clipping

CertBind 提出了一种多尺度理论，用于冻结多模态编码器连接器的可认证组合，通过回退（fallback）和弃权（abstain）机制实现可认证的检索决策。在共享路径上的评估表明，它能够恢复原生 CLIP 检索性能，同时在旁路分支上保持无损（no-harm）。

引入了陈旧自适应信任区域（SAT），通过根据陈旧性自适应控制更新间隔来稳定异步强化学习。在基于Qwen3-30B-A3B-Base的解耦异步强化学习设置上进行了评估，取得了改进的结果。

本文揭示了PPO-Clipping使用欧几里得度量导致LLM强化学习中的探索崩溃，并提出了黎曼等距策略优化（RIPO）以确保几何一致的策略更新，在AIME24上比GRPO提升了高达60%。

本文提出无界正非对称优化（UP），一种通用的即插即用目标函数，通过使用停止梯度锚定策略，解决了基于强化学习的大语言模型训练中的探索-稳定性困境，允许对正优势使用无裁剪梯度，同时对负优势进行裁剪。

本文揭示了PPO和GRPO中的裁剪机制在LLM的RLVR中引入了熵偏差：低裁剪增加熵，高裁剪减少熵。作者证明，即使在随机奖励的情况下，标准裁剪也会降低熵，并表明调整低裁剪可以防止熵塌陷并促进探索。

本文介绍了MuCon，一种用于大语言模型训练的裁剪Muon优化器，它应用奇异值裁剪而非完全极化，保留较小的奇异值而仅裁剪最大的奇异值。它探索了避免全SVD的近似方法，包括极坐标/绝对值公式和有理牛顿滤波器，并指出了阈值附近的数值挑战。

The Vergecast 本期节目探讨了社交媒体信息流如何被剪辑内容和算法蛮力所主导，同时还评测了新款 Fitbit Air 健身追踪器，并讨论了智能眼镜这一产品类别。