跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. 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。