sft-traces

标签

#sft-traces

选择多样化SFT轨迹提升后RL泛化能力

Hugging Face Daily Papers ↗ · 4天前缓存

本文提出一种轻量级的、基于规则的多样化SFT轨迹选择器，以提升推理模型在后RL阶段的泛化能力，并在数学基准测试中展示了显著的性能提升。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈