热点事件持续更新

LM2LM：用强化学习训练LLM提出模型改进方案

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Minhua Lin等作者提出 LM2LM，用强化学习训练 LLM 生成语言模型改进提案，并以冻结 LLM 充当“研究世界模型”（RWM）预测提案收益、作为奖励模型，以降低真实实验反馈的成本。在八个自回归与扩散模型开发环境上，LM2LM 训练的 Qwen3.8-27B 在留出任务上超过上下文给出 300 条真实实验记录的 GPT-6-sol，数据生成成本低 33%，并可泛化到训练中未见过的模型家族。

AI 根据报道生成 · 48 分钟前更新

最新进展10月19日 12:00

LM2LM：用强化学习训练 LLM 提出模型改进方案

报道时间线

沿着报道，了解事件的不同侧面。

10月19日

12:00
arXiv cs.CL
LM2LM：用强化学习训练 LLM 提出模型改进方案
论文提出 LM2LM，用强化学习训练 LLM 生成有效的语言模型改进提案，并以冻结 LLM 充当研究世界模型（RWM）预测提案收益作为奖励模型，降低真实实验反馈的成本。在八个自回归与扩散模型开发环境上，LM2LM 让 Qwen3.8-27B 在留出任务上超过上下文给出 300 条真实实验记录的 GPT-6-sol，数据生成成本低 33%，并可泛化到训练中未见过的模型家族。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。