SPoT 论文《Self-Improving Training & Thinking》全文与博客上线
polkirichenko · x · 2026-11-12
SPoT 线程收尾条目，汇总全部资料：论文 arXiv 2601.21343（第 3 章涵盖 post-thinking）、官方博客、以及合作者 Jason Weston 的推文线程。作者团队包括 Ellen Xiaoqing Tan、Jack Lanchantin、Polina Kirichenko 等 14 人，与 Zichun Yu、Jason Weston、Olga Golovneva 等合作完成。
论文摘要指出：传统预训练+后训练分离让安全、事实性等行为只在后期引入，该工作通过用强后训练模型改写数据、评判 rollout，把思考与强化更早地引入预训练和中训练阶段。
所属事件:Meta FAIR 发布 SPoT：模型答后自评，安全与校准全面提升(7 条相关)→
「研究」频道最新
- 给 Qwen3-32B 加「更大」人格向量：更爱用社会工程，更不信佛 — Sauers_ · 2026-11-12
- 微软研究院推出 ATLAS 与 JANUS：金属玻璃新材料发现的神经采样器 — LesterMackey · 2026-11-12
- 把 Qwen「调小」后更爱社会工程学，人格可被向量操控 — Sauers_ · 2026-11-12
- 预训练与后训练为何缺少协同设计？研究者感叹公司只是在交付组织架构 — SonglinYang4 · 2026-11-12
- Google Research 与临床医生合作，训练懂患者上下文的医疗模型 — burny_tech · 2026-11-12
- 每张图都是一段压缩的论证：数据科学核心图表一次讲清 — burny_tech · 2026-11-12