DoubleFree复用历史轨迹免rollout训练多任务LLM
热点事件持续更新
DoubleFree复用历史轨迹免rollout训练多任务LLM
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
Yingping Wang等作者提出DoubleFree方法，复用领域强化学习训练中已产生的历史轨迹完成多任务整合，无需重新生成on-policy响应，并预计算教师监督以避免在线教师开销。 在Qwen3-4B、Qwen3-8B和SmolLM3-3B的数学、代码与指令遵循任务上，该方法实现2.99-5.75倍整合加速，GPU小时数减少80.9%-90.1%，多领域性能保持相当。
AI 根据报道生成 · 40 分钟前更新
最新进展10月27日 12:00
DoubleFree：利用探索历史实现无 rollout 的多任务 LLM 训练报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIDoubleFree：利用探索历史实现无 rollout 的多任务 LLM 训练
DoubleFree 复用领域 RL 训练中产生的历史轨迹完成多任务整合，无需重新生成 on-policy 响应，并预计算教师监督以避免在线教师开销。在 Qwen3-4B、Qwen3-8B 和 SmolLM3-3B 的数学、代码与指令遵循任务上，该方法实现 2.99-5.75 倍整合加速，GPU 小时数减少 80.9%-90.1%，多领域性能保持相当。
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。