Self-Privileged Fine-Tuning (SPFT) 提出

研究者提出 SPFT 方法，通过冻结模型作为先验指导 token 级加权优化。 SPFT 利用贝叶斯分解重新加权静态先验，在数学推理和代码生成实验中优于标准 SFT。