Tsallis损失连续体统一SFT与RLVR训练
热点事件持续更新
Tsallis损失连续体统一SFT与RLVR训练
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
研究者 Chu-Cheng Lin 与 Eugene Ie 提出基于 Tsallis q-对数的损失族 J_Q，在 RLVR（q=0）与潜轨迹对数边际似然（q=1）之间连续插值，并给出 GARL、PAFT 两种估计器。 两人证明，损失族两端的冷启动逃逸时间分别为 Ω(1/p₀) 与 Θ(log(1/p₀))，据此解释标准流程为何先做 SFT 再做 RLVR。这一结论来自理论分析，尚未见实验验证其实际训练效果。
AI 根据报道生成 · 49 分钟前更新
最新进展11月3日 13:00
模型该多快进入监督？用 Tsallis 损失连续体训练推理模型报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AI模型该多快进入监督？用 Tsallis 损失连续体训练推理模型
研究者提出基于 Tsallis q-对数的损失族 J_Q，在 RLVR（q=0）与潜轨迹对数边际似然（q=1）之间连续插值，并证明两端的冷启动逃逸时间分别为 Ω(1/p₀) 与 Θ(log(1/p₀))，从而解释标准流程为何先 SFT 后 RLVR。
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。