跳到正文
arXiv · ML· Niall Dalton·· 9 天前AI 评分22

后训练如何影响语言模型言语化算法计算

How Post-Training Influences Verbalized Algorithmic Computation in Language Models

AI 导读

研究评估了 Olmo-3-7B-Instruct 在 SFT、DPO 和 RLVR 后的差异。 RLVR 生成的 CoT 在后续检查点中准确性更高,且对进位声明敏感度更强。

来源:arXiv · ML · arxiv.org