RadarAI· 公众号：小红书技术（dots.llm）·· 3 小时前AI 评分38
小红书 AllSpark 提出 ROSS：让模型重学训练中自生成的 rollout
AI 导读
小红书 AllSpark Team 提出 ROSS，通过筛选训练中自生成 rollout 的有价值轨迹片段并保留完整上下文做选择性监督，让模型重新学习这些 rollout。基于 Qwen3.6-35B-A3B，该方法在单轮 RL 中把数学均分从 75.19% 提至 76.98%、代码从 42.09% 提至 44.21%，MOPD 均分从 58.40% 提至 62.20%。
正文
公众号：小红书技术·2026-10-20 17:59· 31 分钟前AI 评分47
训练中自己生成的 Rollout，模型还能学到什么？小红书 AllSpark 提出 ROSS
AI 导读
小红书 AllSpark Team 提出 ROSS，让模型重新学习训练中自己生成的 rollout，通过筛选有价值轨迹片段并保留完整上下文做选择性监督。基于 Qwen3.6-35B-A3B，该方法在单轮 RL 中把数学均分从 75.19% 提至 76.98%、代码从 42.09% 提至 44.21%，MOPD 均分从 58.40% 提至 62.20%。
来源：公众号：小红书技术 · mp.weixin.qq.com
来源：RadarAI · aihot.news