标签
SignRAG 提出一个统一框架，结合分层预训练、目标域检索增强与检索效用引导的强化微调（RUG-RFT），将 decoder-only LLM 用于无词汇（gloss-free）手语翻译，在多个基准上达到 SOTA，并首次在 CSL-Daily 上全面超越有词汇监督的方法。
介绍 ReliableTableQA，一个用于训练大语言模型标注表格问答结果统计可靠性的框架，展示了小规模 SFT 数据集就足够，且 GRPO 仅在 SFT 训练不足时有帮助。
本文提出保留感知策略优化（RaPO），通过强化微调缓解视觉连续学习中的灾难性遗忘。RaPO采用轨迹级奖励塑形和跨任务优势归一化，缩小了类增量学习和域增量学习中强化微调与监督微调之间的差距。