探索式建模：为生成模型解锁第三预训练轴
illinois · hf · 2026-07-31
当前生成模型通常将生成过程分解为多个阶段，无法实现真正的端到端训练。本研究提出了探索式建模，通过分解训练循环来解锁新的扩展维度。
该方法在每次训练中探索模型生成与真实数据之间的 K 个候选匹配，并选取最佳匹配进行训练，使预测能够精准锁定模式而非模糊处理。
主要发现与成果：
- 第三预训练轴：在现有的参数和数据扩展之外，增加“探索”可以单调提升性能。收益随规模扩大而增加，将 FLOP 效率提升 4.1 倍，样本效率提升 6.2 倍。
- 极致端到端生成：支持端到端重建式生成建模，在控制任务中媲美扩散模型的效果，但所需的推理步骤减少了 16 到 256 倍。
所属事件:探索式建模开辟预训练第三轴，被指重造avataRL轮子(8 条相关)→
「研究」频道最新
- 机器人化身科学家：LabEvolver 让实验成功率升至 91% — imjustnewatai · 2026-08-01
- 困扰学者两年的数学猜想，AI 数分钟写出严谨证明 — abeirami · 2026-08-01
- 开发者开源 Bug 搜寻基准:实测大模型查 Bug 能力 — PawelHuryn · 2026-08-01
- AI 制药瓶颈在数据而非模型，行业预期将迎转折 — MatthewMcAteer0 · 2026-08-01
- 研究：科学文献上下文难提升 LLM 行为预测 — duncanjwatts · 2026-08-01
- Bittensor子网Minos联合OpenAI发布基因组AI合成数据生成器 — markjeffrey · 2026-08-01