Nghiên cứu
Ảo tưởng về tối ưu hóa chính sách huấn luyện: Tại sao chính sách suy luận đơn điệu mới là mục tiêu thực sự cho LLM?
(giờ Việt Nam)
Tóm tắt AI
Nghiên cứu chỉ ra sự lệch pha giữa huấn luyện và suy luận trong RL cho LLM gây ra mất ổn định. Thay vì tối ưu hóa chính sách huấn luyện, tác giả đề xuất tập trung vào chính sách suy luận đơn điệu để đạt hiệu quả thực tế tốt hơn.
Bản dịch AI
Tác giả: Jing Liang, Hongyao Tang, Yi Ma, Yancheng He, Weixun Wang, Xiaoyang Li, Ju Huang, Wenbo Su, Jinyi Liu, Yan Zheng, Jianye Hao, Bo Zheng
Xem PDF HTML (thử nghiệm)
DOI do arXiv cấp thông qua DataCite
Lịch sử gửi bài
Từ: Jing Liang [xem email] [v1] Chủ nhật, 28 tháng 6 năm 2026 17:40:02 UTC (807 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.