arXiv · AI· Chu-Cheng Lin, Eugene Ie·· 5 小时前AI 评分26
Tsallis 损失框架如何协调推理模型训练中的监督承诺
How Fast Should a Model Commit to Supervision? Training Reasoning Models on the Tsallis Loss Continuum
AI 导读
论文定义 Tsallis 损失族 $J_Q$ 以统一 RLVR 与 SFT，在 Qwen 3 与 Gemma 4 架构的 FinQA 等基准上，GARL 成功逃逸冷启动，而 GRPO 完全失败。
来源：arXiv · AI · arxiv.org