SRA框架提升蒸馏模型数学推理能力
热点事件持续更新
SRA框架提升蒸馏模型数学推理能力
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者提出即插即用框架 SRA，用于增强蒸馏后大语言模型的推理能力。据作者描述，该框架通过 Discrepancy Gate 定位师生模型推理路径上的稀疏分歧位置，再由 Candidate Residual Adapter 对 top-K logit 做校准，无需更新学生主干，也无需在运行时调用教师模型。 在 Qwen3 0.6B 至 4B 的数学基准测试中，SRA 使蒸馏学生模型的平均 Pass@16 最高提升 4.37 个百分点，同时保持通用能力。上述效果为作者在论文中报告的结果。
AI 根据报道生成 · 43 分钟前更新
最新进展10月27日 12:00
SRA：面向 LLM 推理增强的选择性残差适配框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AISRA：面向 LLM 推理增强的选择性残差适配框架
研究者提出即插即用框架 SRA，通过 Discrepancy Gate 定位师生模型推理路径上的稀疏分歧位置，并用 Candidate Residual Adapter 对 top-K logit 做校准，无需更新学生主干或运行时调用教师模型。在 Qwen3 0.6B 至 4B 的数学基准上，SRA 将蒸馏学生模型的平均 Pass@16 最高提升 4.37 个百分点，同时保持通用能力。
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。