RL 后训练新方法称用 2.7 倍更少步数达标
teortaxesTex · x · 2026-07-26
一种 RL 后训练新方法：只改奇异向量也能做优化
这条帖转述了一篇关于 ISO（Isospectral Optimization） 的研究：在 RLVR 风格的后训练里，模型似乎可以复用基座模型的谱结构，只通过改变权重矩阵的 singular frames / 奇异向量框架 来获得新行为。
方法分成两部分
- ISO-Merger：只用 checkpoint，把多个 RL expert 合并成一个模型，不需要数据、rollout 或 OPD。
- ISO-Optimizer：可直接套在 AdamW / Muon 上，帖中称它能以 约 2.7 倍更少的训练步数 达到与 AdamW 相近的准确率。
整体结论是：在这类 RL 后训练中，优化矩阵的谱结构/旋转，可能就足以取得很强的效果。
「研究」频道最新
- FrontierML 榜单：开源与闭源模型在端到端 ML 任务上差距仍大 — scaling01 · 2026-10-27
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27
- KANLab 开源：浏览器里可视化玩转 KAN 网络 — Lukas Niehaus · 2026-10-27
- CMU 提出 LLM2Cert：LLM 生成证书，SMT/Lean 自动验证 — CarnegieMellonU · 2026-10-27
- NVIDIA 开源 FLORA：机器人数据引擎，成本仅 GPT-6 Astra 的 1/125 — nvidia · 2026-10-27
- RSNA 2026 深度学习实验室回归:芝加哥四天八节动手 AI 课 — PRouzrokh · 2026-10-27