研究发现GRPO后训练引发多语言能力漂移
热点事件持续更新
研究发现GRPO后训练引发多语言能力漂移
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Sutanshu Saksena Raj 等在 arXiv 发布论文（2611.15717），考察多语言 mixture-of-experts 模型从同一监督检查点出发的两个 GRPO 训练分支，得出结论：后训练在提升被奖励行为的同时会削弱其他能力。例如发布分支在 MATH 上提升 36.07 分，却在 XQuAD-Indic 上损失 19.32 F1。 该论文已被 NeurIPS 2026 的 Foundations of LLM Post-Training in Changing Environments 接收。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
奖励范围之外：多语言后训练中的能力漂移研究报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AI奖励范围之外：多语言后训练中的能力漂移研究
一项 arXiv 研究考察多语言 mixture-of-experts 模型的两个 GRPO 分支，发现后训练在提升被奖励行为的同时会削弱其他能力：发布分支在 MATH 上提升 36.07 分，却在 XQuAD-Indic 上损失 19.32 F1。
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。