Nemotron-Cascade 入选 NeurIPS 口头报告,级联 RL 逐域训练胜过教师模型
ctnzr · x · 2026-09-25
NVIDIA 的 Nemotron-Cascade 论文入选 NeurIPS 2026 口头报告。核心方法是级联式逐域强化学习（Cascaded Domain-Wise RL）：让模型按阶段依次在不同领域做 RL 训练，简化训练流程的同时优化每个领域的表现。
要点：
- 14B 版本在 LiveCodeBench v5/v6/Pro 上超越其 SFT 教师模型 DeepSeek-R1-0528，达到 SOTA 精度；
- RLHF 作为前置步骤能显著提升数学、代码、科学与 SWE 的推理能力；
- 后期的数学/代码/SWE RL 阶段不仅保留先前领域成绩，往往还能提升，显示级联训练的稳定性。
所属事件:NVIDIA Nemotron-Cascade 获 NeurIPS 口头报告(2 条相关)→
「研究」频道最新
- 学者自嘲:20 多年 0 篇论文标题带 agent,2026 年突然 3 篇 — mdredze · 2026-09-25
- 研究者质疑 AI 数学基准设计:Lean 内核漏洞成钻空子通道 — teortaxesTex · 2026-09-25
- 浙大团队开源 SkillNet:Agent 技能的发现、评估与编排基础设施 — tom_doerr · 2026-09-25
- FLM 用连续去噪做一步语言建模,快 8.3 倍入选 NeurIPS 2026 — ArashVahdat · 2026-09-25
- Duke 开源 31 自由度人形机器人,可动双眼让可视工作空间从 38% 升至 97% — LexiLove · 2026-09-25
- 万级 Agent 集群 88 小时攻数学难题,但规模化收益仅为时序扩展一半 — LessWrong 精选 · 2026-09-25