论文称冻结评判器不可用，须联合训练

1. 02:41
   Andrew White

   冻结评判模型不可行需联合训练

   我们在论文中表明，不能使用冻结的评判模型，而必须进行联合训练。我们还表明，仅靠SFT在绘制分子等简单任务上是一个强基线，但在编写整数分拆并进行推理等更复杂的任务上则行不通 4/5

2. 02:41
   Andrew White

   Edison Scientific 强化对抗学习写作法

   你可以在我们的博客中看到写作示例和方法描述：https://advances.edisonscientific.com/research/reinforced-adversarial-learning/ 论文见此处：https://arxiv.org/abs/2610.38851 5/5

3. 02:41
   Andrew White

   仅用正例自举后训练方法

   我们开发了一种仅从正例自举后训练的方法，并证明其在算术、分子结构和科学写作上有效。我们用该方法训练了一个235B大语言模型，其写作与人类写作难以区分。1/5

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。