QFT微调研究发布RL与SFT对比及数据

1. 12:00
   arXiv · ML

   微调小型推理模型以解决量子场论问题

   该研究首次比较了强化学习（RL）与监督微调（SFT）在理论物理可验证任务中对大语言模型的影响。 实验基于开源数据稀缺背景，构建了包含2500+合成问题和人工改编问题的数据生成管线。结果显示SFT提升集中在分布内合成任务，而RL在人工数据及TPBench上泛化能力更强。 公开发布了数据管线、可验证QFT训练数据及约200M tokens的QFT推理痕迹。

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。