研究提出ICA方法为σ加权后训练设有效性门槛
热点事件持续更新
研究提出ICA方法为σ加权后训练设有效性门槛
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Leiyue Chen 等在 EMNLP 2026 Findings 发表论文（arXiv:2610.33882），提出干预认证放大（ICA）方法，用配对 rollout 的目标证据为 σ 加权的 SFT/RL 混合后训练设置有效性门槛。 论文报告，冻结版和在线版 ICA 将 TIR 分别降至 13.8% 和 11.2%，使准确率从 47.5% 提升至 48.7% 和 49.3%，并把残余拖累减半；该方法无需重新调参即可迁移到留出的 GSM8K 数据。这些为论文作者的实验结论。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
干预认证放大（ICA）：σ 加权后训练的有效性门槛报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI干预认证放大（ICA）：σ 加权后训练的有效性门槛
一项发表于 EMNLP 2026 Findings 的研究提出干预认证放大（ICA），用于为 σ 加权的 SFT/RL 混合后训练设置有效性门槛。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。