全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

AutoMaster:让同一模型成为更好的教师,实现自主后训练

Task success alone does not specify which behaviors post-training should reinforce. Even successful teacher trajectories can contain unsupported assumptions, unproductive repetition, or superficial verification. We propose Skill-FT (Skill-Guided Fine-Tuning), which uses natural-language skills to suppress undesirable h

阅读原文 · Guoxin Chen, Shuang Sun, Fanzhe Meng, Xinyu Tang, Ruihua Song, Wayne Xin Zhao

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

这篇论文想解决一个被 SFT 流程长期忽略的问题: 任务成功了,不代表这条轨迹值得学 。 摘要里说得很直白,即使老师模型跑出了成功轨迹,里面也可能混着没根据的假设、无效的重复、走形式的验证。传统做法只看结果对不对,把这些“坏习惯”一起喂给了学生模型。 AutoMaster 的思路是给老师加一层“行为干预”,让它变成更好的老师。 这篇论文想解决什么 后训练的核...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。