热点事件持续更新
不确定性引导渐进收缩的推理后训练框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv cs.AI 刊出题为《以更少训练学得更多：面向高效推理后训练的不确定性引导渐进收缩框架》的报道，提出一种不确定性引导的渐进收缩框架，把推理后训练的监督集中到最有学习价值的推理轨迹上。据该报道，方法先用蒙特卡洛推理树暴露过程级不确定性，将数据先收缩为教师知情数据池，再在 SFT 过程中依据学生模型的学习状态在线路由监督信号。报道称，该框架仅需全量数据 SFT 的 0.22% 优化预算，训练曝光减少超过 450 倍，同时仍能保持或提升推理性能，并可泛化到异构学生模型、黑盒教师以及弱到强迁移等场景。目前该工作以论文形式发布，尚无后续复现或落地进展的报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
arXiv 刊出不确定性引导渐进收缩框架，称仅需全量 SFT 的 0.22% 优化预算且性能不降。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AI以更少训练学得更多：面向高效推理后训练的不确定性引导渐进收缩框架
不确定性引导的渐进收缩框架将推理后训练监督集中到最有学习价值的推理轨迹，仅需全量数据 SFT 的 0.22% 优化预算、训练曝光减少超 450 倍，仍保持或提升推理性能。该方法用蒙特卡洛推理树暴露过程级不确定性，先收缩为教师知情数据池，再在 SFT 中按学生模型学习状态在线路由，并可泛化到异构学生模型、黑盒教师与弱到强迁移。
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。