SWARR：用强化学习适配滑动窗口注意力做数学推理
热点事件持续更新
SWARR：用强化学习适配滑动窗口注意力做数学推理
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
Kai Liu 等作者提出 SWARR 方法，把预训练的自注意力（SA）模型转为滑动窗口注意力（SWA）模型，用于数学推理。方案分两步：先用监督微调（SFT）完成转换，无需重新预训练基座模型；再用强化学习做策略适配。 作者称，SWA 模型经 SFT 后仍落后于 SA，部分原因是 SFT 数据与 SWA 架构不匹配；而 on-policy 强化学习能让模型自生成的轨迹更好地适配 SWA。上述结论来自作者的实验验证。
AI 根据报道生成 · 50 分钟前更新
最新进展10月26日 12:00
SWARR：架构感知强化学习让滑动窗口注意力在数学推理中具备竞争力报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AISWARR：架构感知强化学习让滑动窗口注意力在数学推理中具备竞争力
SWARR 提出一套将预训练自注意力模型转为滑动窗口注意力（SWA）的两阶段方案：先用 SFT 高效转换、避免重新预训练基座模型，再用强化学习做策略适配。研究发现 SWA 在 SFT 后仍落后于 SA，部分原因是 SFT 数据与 SWA 架构不匹配，而 on-policy RL 能让自生成轨迹更好适配 SWA。
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。