Prime Intellect 合并 IcePop 分数中心化与截断采样回放支持
samsja19 · x · 2026-10-25
PrimeIntellect-ai 的 prime-rl 框架合并了 PR #4176：为强化学习训练引入截断采样（bounded top-k，可选叠加 top-p）下的 IcePop 分数中心化支持。具体做法是从记录的支撑集（先全分布 top-p、再硬性 top-k 上限）中采样，在训练器上回放整个采样器分布并对其进行精确中心化，回放 token 不再使用尾部近似；非截断采样则保留原有的头部加比例尾部近似方案。这是对已合并 PR #4012 的后续改进。
「研究」频道最新
- 安全研究者放话：验证要做到麦克斯韦方程层，而非止步汇编 — JacquesThibs · 2026-10-25
- 云端 Agent 监督本地 35B 自出 800 题：出题比解题更易错，错题率 5 倍 — Individual_Page9676 · 2026-10-25
- SA-LapNet：从波函数构造上根治神经网络量子计算的态混合难题 — bravo_abad · 2026-10-25
- XYBench 基准：最强 LLM 仍照字面回答，识别用户误解不足 63% — MaartenSap · 2026-10-25
- EMNLP 论文：多域混合训练让监督式幻觉检测器OOD性能反超无监督方法 7.25% — MaartenSap · 2026-10-25
- EVALUESTEER:最佳奖励模型超25%场景无法对齐用户价值观 — MaartenSap · 2026-10-25