热点事件持续更新
CIG-SFT：用条件信息增益改进SFT泛化
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv cs.CL 报道研究者提出 CIG-SFT，用于提升监督微调（SFT）后训练的泛化性。其核心做法是用条件信息增益衡量每条示范 token 的学习价值：在 teacher forcing 下，比较冻结的参考模型在有无任务输入两种情况下该 token 的似然，以此判断示范中哪些 token 对任务真正有贡献。目前该报道仅介绍方法思路，未给出实验设置、对比结果或效果结论，也没有其他来源的报道可对照。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
研究者提出 CIG-SFT，以条件信息增益评估示范 token 的学习价值。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CLSFT 该学什么？CIG-SFT 用条件信息增益提升后训练泛化性
研究者提出 CIG-SFT，用条件信息增益衡量每个示范 token 的学习价值：在 teacher forcing 下比较冻结参考模型有无任务输入时的 token 似然。
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。