热点事件持续更新

首次学术对比RL与SFT训练物理推理，RL泛化更佳

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

Woodward 等研究者称完成了首次针对大语言模型在理论物理可验证解题任务上比较强化学习（RL）与监督微调（SFT）的学术研究，以量子场论为主域。两种方法均优于基座模型，但 SFT 增益集中在同分布合成任务，RL 泛化更好，在人工改编数据集和 TPBench 上超过 SFT。研究团队生成了超 2,500 道合成题，并整理来自 arXiv 等来源的人工改编题，已开源数据管线、可验证 QFT 训练数据及约 200M token 的推理轨迹。

AI 根据报道生成 · 1 小时前更新

最新进展10月23日 12:00

面向量子场论的微调小型推理模型研究

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

12:00
arXiv cs.AI
面向量子场论的微调小型推理模型研究
研究者首次对大语言模型在理论物理可验证解题任务上比较强化学习（RL）与监督微调（SFT），以量子场论（QFT）为主域，生成超 2,500 道合成题并整理来自 arXiv 的人工改编题。两种方法均优于基座模型，但 SFT 增益集中在同分布合成任务，RL 泛化更好，在人工改编数据集和 TPBench 上超过 SFT。团队已开源数据管线、可验证 QFT 训练数据及约 200M token 的推理轨迹。

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。