热点事件持续更新

提出将思考与强化学习提前至预训练阶段

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月6日，Jason Weston等研究者在arXiv发布新论文，提出一种结合早期思维与自我改进后思训练的LLM预训练及中期训练方法。该方法旨在解决传统分阶段训练中，安全、事实性等关键能力因添加过晚而受限的问题。通过利用现有强力后训练模型改写数据并判断策略模型轨迹，研究在训练早期即引入思考与强化学习机制。实验结果显示，该方法通过生成后推理提升了模型的推理与自我判断能力，并在多个维度上带来了显著的性能增益。

AI 根据报道生成 · 20 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

13:00
arXiv · AI
Self-Improving Training & Thinking：将思考与强化学习提前至预训练与中期训练阶段
该研究提出一种新的预训练与中期训练方法，利用现有强力后训练模型改写数据并判断策略模型轨迹，从而在训练早期引入思考与强化学习。方法包含自改进后思考概念，通过生成后推理来提升模型推理与自我判断能力，实验显示在多个维度上均能带来显著增益。这一方法旨在解决传统分阶段训练导致安全、事实性等关键能力添加过晚的问题。

本事件热度走势

可比范围当前: 5
可比范围峰值: 911月6日 16:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。