knowledge-leakage

提出TEMPO，一种策略优化方法，通过使用双模式奖励和基于GRPO的训练，训练大语言模型仅依据截止日期前的信息进行推理，将知识泄露降低2–13%，同时将任务性能提升6–13%。

本文介绍了 SeedRG，这是一个半合成的基准测试生成管道，旨在通过创建保留推理结构但不在模型参数记忆中的新实例，消除检索增强生成 (RAG) 评估中的知识泄露。