ISO 说 RLVR 可复用基座谱结构,训练步数少 2.7 倍
xiuyu_l · x · 2026-07-23
ISO：给 RLVR 设计一套“同谱优化”框架
这篇论文认为，RLVR 不必把底层能力全部重学一遍，而是可以复用基座模型的谱结构，通过奇异向量/奇异帧来获得新行为。作者把这个思路称为 isospectral optimization。
提出的两个组件
- ISO-Merger：离线把多个 RL 专家合并成一个模型，不需要数据、rollout 或 OPD。
- ISO-Optimizer：可直接套在 AdamW 或 Muon 上的训练包装器。
结果
- 在 Qwen3-8B-Base 上，ISO-Optimizer 能以约 2.7 倍更少的训练步数 达到与 AdamW 相当的准确率。
- 图中还展示了在 coding、tool use、memory、math 等维度上的专长恢复情况。
整体上，这篇工作把 RLVR 的优化问题重新表述成“谱结构复用”，而不是传统意义上的微调。
所属事件:新框架 ISO 优化 RLVR 训练可将步数缩减 2.7 倍(3 条相关)→
「研究」频道最新
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- ICML 2026 口头论文复现分数重算后仍偏中等 — profjamesevans · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- Seed IQ 在 Doom II 里通关，引出 ARC-AGI 之后的评测问题 — Fit_Transition8824 · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
- 一份横跨 ML、系统、NLP 与音频的经典论文清单 — deliprao · 2026-07-27