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