天下苦「调参」久矣！MIT师生推出全新RandOpt算法 只需向模型添加高斯噪声，性能就能比肩甚至超越GRPO/PPO等经典调参算法。MIT的一项新研究提出了一种简单却高效的解决方案：随机扰动参数再整合结果，模型效果与复杂调参方法相当。 长期以来，人们认为专家模型需要通过梯度下降或强化学习逐步优化参...