COLM 年度佳论文：任务奖励 RL 并非只是分布锐化
May_F1_ · x · 2026-10-12
转发者 @Zhen4good 认为 COLM 上有一篇年度最佳论文（见链接），核心结论是：任务奖励 RL 并不只是「分布锐化」（distribution sharpening），因此无法用拒绝采样 + SFT 达到同样效果。这暗示更好的优化目标才是训练出优秀模型的真正关键，而不是仅靠采样层面的技巧。
「研究」频道最新
- BottleCap 发 ThinkingCap 版 Qwen3.8-Flash-Next,思考 token 平均省 38.5% — Thom_Wolf · 2026-10-23
- DLOSAC:用 Delaunay 三角剖分引导的局部优化改进 RANSAC 几何估计 — zhenjun_zhao · 2026-10-23
- 新基准论文：用 3D 基础模型重建地理多样化建筑 — zhenjun_zhao · 2026-10-23
- FineSplat：细粒度图像块前馈 3D 高斯泼溅，重建精度大幅领先 — zhenjun_zhao · 2026-10-23
- ReDT：分辨率解耦视觉几何 Transformer，2K 重建提速 16 倍 — zhenjun_zhao · 2026-10-23
- 因果时空 Mamba：单目视频前馈 4D 重建新框架 — zhenjun_zhao · 2026-10-23