研究:小模型从用户反馈在线学习的判别机制
热点事件持续更新
研究:小模型从用户反馈在线学习的判别机制
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
一项 arXiv 研究(arXiv:2611.23716,作者 Sirisilp Kongsilp)考察小型语言模型能否仅凭用户反馈在线持续提升、以及何时退化。实验让 Qwen3 0.6B 和 1.7B 加 LoRA 适配器,每晚用裁判接受的尝试进行微调,在 WebShop 和 τ²-bench 上共跑了 127 条最长一年的生命周期。
AI 根据报道生成 · 14 分钟前更新
最新进展11月20日 13:00
辨别式学习:小语言模型何时能从用户反馈中持续提升、何时会退化报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI辨别式学习:小语言模型何时能从用户反馈中持续提升、何时会退化
一项 arXiv 研究让 Qwen3 0.6B 和 1.7B 加 LoRA 适配器,每晚在 WebShop 和 $\tau^2$-bench 上按裁判接受的尝试微调,共 127 条最长一年的生命周期。
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。