.png)
正文：2025年7月，CMU研究团队发布论文指出，训练大语言模型的数学能力可能对其通用领域表现产生负面影响。研究评估了20多个模型在数学推理、其他推理任务及非推理任务上的表现，发现采用监督微调（SFT）的模型常出现负迁移，尤其在非推理任务上表现更差；而强化学习（RL）训练的模型则展现出更强的迁移能力与泛化性。通过PCA分析和Token分布偏移实验，研究进一步表明RL微调对模型原有知识的保留更优，同时提升了特定领域的逻辑能力。研究认为，强化学习可能是实现可迁移推理的关键。论文已发布于arXiv。
原文链接
本文链接：https://kx.umi6.com/article/21375.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "21375")
相关推荐
.png)
换一换
阿里通义千问推出Qwen3-Max-Thinking尝鲜版
2025-11-04 17:23:23
百度新设两个大模型研发部：直接向CEO李彦宏汇报！
2025-11-25 22:10:22
DeepSeek新大招曝光：下一步智能体
2025-09-05 10:15:28
Q2财报启示录：AI为大厂们带来了新「钱景」
2025-09-03 14:46:42
两部门：到2027年推动五个以上专业大模型在电网、发电、煤炭、油气等行业深度应用
2025-09-08 10:56:26
李开复任命三位新高管：零一万物的“一把手工程”与大模型中场战事
2025-10-27 13:00:52
用DeepSeek改造ERP，到底难在哪？怎么破？
2025-10-11 09:33:30
Meta万引强化学习大佬跑路！用小扎原话作为离别寄语，扎心了
2025-08-26 13:43:07
大模型激战正酣！大厂节前、节中进展不停 争夺下一代操作系统主导权
2025-10-05 18:23:27
比NanoBanana更擅长中文和细节控制！兔展&北大Uniworld V2刷新SOTA
2025-11-05 15:09:36
“雷军千万年薪要挖”的 DeepSeek 罗福莉官宣加入小米 Xiaomi MiMo 大模型团队
2025-11-12 14:05:32
大模型即OS，AI云即计算机：阿里的全栈赌注
2025-09-25 10:00:29
亚马逊云科技发布多款大模型
2025-12-03 14:25:54
569 文章
326009 浏览
24小时热文
更多
-
2025-12-08 21:51:18 -
2025-12-08 21:49:12
-
2025-12-08 21:48:42
