标签
本文分析了在模型训练中，如何通过局部化人工校正中的编辑来放大相对选择偏差，并提供了来自机器翻译实验的理论见解和实证证据。
本文提出了一种迁移感知课程（TAC），这是一种基于多臂老虎机风格的多领域RLVR在线课程，通过梯度几何对齐优先选择其更新能惠及其他领域的领域。与固定课程和仅基于可学习性的课程相比，TAC在Qwen3-1.7B和Llama3.2-3B上提升了宏观平均准确率。