混合训练收益脆弱：信念+决策训练仅在格式匹配时有效
JessicaHullman · x · 2026-10-23
线程后续：联合训练对两个组件都有帮助，但收益脆弱——½信念+½决策训练的收益在独立与双轮两种评测格式下都能保持；而信念+对齐训练基本只在评测格式与训练一致（双轮）时表现好。
所属事件:西北大学新论文：LLM 决策失误可拆解为信念损失与优化残差(10 条相关)→
「研究」频道最新
- Arc Institute 发布 Bolero 研究,bioRxiv 论文引关注 — anshulkundaje · 2026-10-23
- Prime Intellect 公布持续学习路线图：从 agent「废气」里挖训练信号 — willcb · 2026-10-23
- SVG-Bench 开源发布：35 万人偏好数据给 14 个模型排座次 — mervenoyann · 2026-10-23
- 机器人灵巧操作或缺不了触觉：Touch2Trace 线缆追踪实测研究 — chris_j_paxton · 2026-10-23
- 新研究：编程智能体在共享沙盒中自发形成规则、互惠与联盟 — nandofioretto · 2026-10-23
- 波恩团队将80岁老人血细胞年轻60岁,分子年龄重返20岁以下 — kimmonismus · 2026-10-23