研究:小模型夜间学习用户反馈先升后衰
热点事件持续更新
研究:小模型夜间学习用户反馈先升后衰
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
Sirisilp Kongsilp 发表研究,用 Qwen3 0.6B 和 1.7B 加 LoRA 适配器,在 WebShop 和 τ²-bench 上模拟最多一年的 127 次“夜间学习”,即每晚用评判器接受的尝试进行微调。结果显示,模型自评判会先提升后衰减。 该研究考察的是小语言模型从用户反馈中持续学习的效果,结论是这种学习并非一直有效,存在衰减。
AI 根据报道生成 · 57 分钟前更新
最新进展11月20日 13:00
小语言模型从用户反馈中学习:何时有效,何时衰减报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI小语言模型从用户反馈中学习:何时有效,何时衰减
研究用 Qwen3 0.6B 和 1.7B 加 LoRA 适配器,在 WebShop 和 τ²-bench 上模拟最多一年的 127 次“夜间学习”,发现模型自评判会先提升后衰减。
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。