论文提出基于 Tsallis 损失连续统训练推理模型

Chu-Cheng Lin 与 Eugene Ie 在 arXiv 发布论文，提出基于 Tsallis q-对数的损失族 J_Q，在 RLVR（q=0）与潜轨迹对数边际似然（q=1）两极之间插值，用于训练推理模型。论文还提出 GARL 与 PAFT 两种估计器。 梯度流分析显示：q=1 极能在 Θ(log(1/p_0)) 时间内脱离冷启动但会记忆标签噪声，q=0 极需 Ω(1/p_0) 时间但抗噪。在 FinQA、HotPotQA、MuSiQue 上，较高 q 下 GARL 可脱离冷启动，而 GRPO 在 Qwen 3 与 Gemma 4 架构下完全失败。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。