arXiv · ML· Marc-Andre Schulz·· 17 天前AI 评分38
先前行动控制因果改变语言模型可塑性
Prior Action Control Causally Alters Language-Model Plasticity
AI 导读
基于 Qwen3-0.6B 的实验证明,先前训练中拥有奖励控制权的语言模型,在新任务学习上显著快于无控制的 yoked 模型。 该优势并非源于奖励缺失的伤害,而是控制带来的益处;在 Qwen3-1.7B 及消除练习差异后优势依然成立,且可通过模型权重预测。 这表明控制经验会留下持久印记,常规模型评测无法直接反映这种可塑性变化。
来源:arXiv · ML · arxiv.org