研究探针揭示 RL 模型数学推理表征优于 SFT 模型
热点事件持续更新
研究探针揭示 RL 模型数学推理表征优于 SFT 模型
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
Antyabha Rahman 等人发表研究（AAAI 2026 XAI4Science 工作坊论文），分析 RL 训练的推理模型为何在数学推理上优于 SFT 模型，对象包括 DeepSeek-Math-RL 与 DeepSeek-Math-Instruct。 研究发现：逐层线性探针在 RL 训练模型上更能准确预测答案正确性；均值消融显示 DeepSeek-Math-RL 的准确率随层深增加而下降，而 Instruct 模型没有这一现象。此外，token 数在低准确率题目上波动更大，DeepSeek-Math-RL 在高准确率题目上波动更低。
AI 根据报道生成 · 47 分钟前更新
最新进展11月11日 13:00
RL 与 SFT 微调模型表征质量如何影响数学推理能力：一项机制分析报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIRL 与 SFT 微调模型表征质量如何影响数学推理能力：一项机制分析
一项发表于 AAAI 2026 XAI4Science 工作坊的研究分析了 RL 训练的推理模型为何在数学推理上优于 SFT 模型。逐层线性探针在 RL 模型中更能准确预测答案正确性，均值消融显示 DeepSeek-Math-RL 的准确率随层深增加而下降、Instruct 模型则不然；token 数在低准确率题目上波动更大，且 DeepSeek-Math-RL 在高准确率下波动更低。
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。