CLM 作者补致谢:RL 用 Polar 基建,数据源自 OpenResearcher 离线管线

RulinShao · x · 2026-10-02

CLM 论文作者 Rulin Shao 自查后补充致谢两篇被遗漏的重要引用:一是用 @billxbf 的 Polar 作为 CLM 强化学习训练基建,其 harness 无关的设计可用任意 harness 训练语言模型;二是用 @DongfuJiang 的 OpenResearcher 作为 DR 训练数据——该工作提出完全离线的深研轨迹合成管线(GPT-OSS-120B + 本地检索器 + 10T token 语料,无需搜索 API、可复现),原 SFT 配方将 Nemotron-3-Nano-30B-A3B 在 BrowseComp-Plus 上从 20.8% 提到 54.8%(+34.0),CLM 借用了其 QA 与本地数据存储。作者欢迎补充更多相关工作。

所属事件:Meta 发布上下文语言模型 CLM:模型用 Bash 自管上下文(12 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →