热点事件持续更新

论文重新审视RL泛化优于SFT的观点

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Yunlong Hou 等发布一篇被 NeurIPS 2026 接收的论文（arXiv 2611.14912），从 SFT 训练数据的角度重新审视“强化学习（RL）泛化优于监督微调（SFT）、SFT 只是记忆”这一观点，结论是 SFT 数据本身（来源与规模）是造成两者差异的关键。研究在广泛使用的 Qwen2.5 和 Qwen3 系列模型上进行，通过分析 SFT 数据的作用来解释此前观察到的 RL 与 SFT 在泛化能力上的差别。

AI 根据报道生成 · 14 分钟前更新

最新进展11月14日 13:00

论文重审 RL 泛化优于 SFT 的观点：SFT 数据是关键

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI精选
论文重审 RL 泛化优于 SFT 的观点：SFT 数据是关键
arXiv 论文 2611.14912（已接收至 NeurIPS 2026）通过 Qwen2.5 和 Qwen3 系列模型重新审视 RL 泛化优于 SFT 的观点。

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。