量子位·2026-10-29 11:40· 3 小时前AI 评分47

PSN-RLVR：给参数加扰动提升大模型探索能力，研究入选 NeurIPS 2026

后训练越多模型越“轴”？给参数加点扰动，探索能力回来了 | NeurIPS'26

AI 导读

上海创智学院、复旦大学等机构提出PSN-RLVR方法，在解题前对模型参数加入小幅扰动并贯穿整条推理，以增强RLVR训练中的探索能力，论文已被NeurIPS 2026接收。