arXiv · AI· Ruohong Liu, Bohan Tang, Lekang Jiang, Jack Umenberger, Yiwen Guo·· 2026-10-14AI 评分32
SRO:基于结构化配方优化实现 LLM 自动后训练
LLM Agents for Automated Post-Training via Structured Recipe Optimization
AI 导读
SRO 通过任务自适应配方空间实现 LLM 自动后训练,在联合评测中显著优于最强基线。 在 Qwen3-1.7B 与 GPT-5.4 组合中,SRO 得分 41.1,基线仅为 15.4;Qwen3-4B 与 DeepSeek-V4-Flash 组合中,SRO 得分 53.8,基线为 40.8。 SRO 代码已开源。
来源:arXiv · AI · arxiv.org