Score centering 通过减偏置项抵消 RL 训练与推理引擎漂移
finbarrtimbers · x · 2026-10-25
RL 训练与推理引擎之间的漂移会造成 mismatch；score centering 的做法是减去一个偏置项将其抵消，从而缓解这种训练与推理不一致的问题。
「研究」频道最新
- 论文《Do LLMs Feel?》定位 LLM 内部情绪回路 — mikeflache · 2026-10-25
- 研究者警告：别让「AI 两三天出论文」毁掉同行评审 — ChongZzZhang · 2026-10-25
- OpenBMB 提出 EC²-Bench:边缘-云协作让 Agent 以 15% 成本达到云端 73% 性能 — zibuyu9 · 2026-10-25
- 新论文：Score Centering 校正项让 LLM 强化学习不再怕训练推理失配 — finbarrtimbers · 2026-10-25
- TensorFold 实验项目「Living Weights」：让本地模型边聊边把新知识写进权重 — GabGarrett · 2026-10-25
- 研究者提议用 AI 工具筛掉低质论文，让科学家聚焦值得读的研究 — hugo_larochelle · 2026-10-25