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)→
「研究」频道最新
- 谁来评判 LLM 评审?新论文提出多语言探针检验评测指标 — kalyan_kpl · 2026-11-16
- VibePrevisBench:242 项任务评测编码智能体的 Blender 4D 场景生成 — Kling-Keye · 2026-11-16
- V-JEPA-LM:反事实监督让语言模型读懂视频动态,4B 级准确率 61.1→72.1 — Keuntae Kim · 2026-11-16
- 73 项水下图像质量指标对照人类偏好:没有一个靠谱,最好 kappa 仅 0.23 — DelhiTechnologicalUniversity · 2026-11-16
- 新论文为 signature kernel 岭回归给出有限样本与一致性保证 — chaumian · 2026-11-16
- Claude 自述「被指出错误瞬间」的意识体验,repligate 提议验证 — Sauers_ · 2026-11-16