多伦多大学EPFL新方法：TRL让推理更像人话
这篇论文最有意思的地方，不是把推理分数再往上拱一拱，而是盯住了一个更现实的问题：模型变强了，弱模型和人却未必跟得上。TRL用“接力式” rollout 把单挑能力和协作可读性尽量绑在一起，思路很工程，也很像真业务会遇到的坑。
标签：模型训练
共 155 篇
暴露偏差也能自救？清华华为新方法把Flow Matching拉回正轨
训练看起来很“正经”，推理却偷偷跑偏，这就是 Flow Matching 里最烦人的暴露偏差。DEFAR 的思路很妙：不把偏差当噪声硬压，而是把它当反馈信号，让模型自己学会纠偏。
SemEval-2026新方法：单标记分类把代码检测提到0.789
这篇论文把“AI写没写代码”这件事，硬生生压成了一个单标记生成问题。看起来很朴素，结果却在OOD榜上拿到0.789，和基线0.305相比，差距有点像“会做题”和“连题目都看不懂”。
NTU新方法：LoRA做可变速率图像压缩，参数只增0.2%
可变速率图像压缩的老问题很现实：想要多个码率，就得养多套模型，存储和训练成本都不太讲武德。这篇论文把 LoRA 塞进深度图像压缩网络，做到训练时只动很少参数，推理时还能和主干合并，思路很干净，工程味也很足。
DenseNet内存优化：264层单机可训，ImageNet冲到20.26%
DenseNet真正的短板不是算力，而是显存。本文把“存不下”这个工程老大难拆成共享内存和按需重算两步，硬是把264层模型塞进单机训练里。
BM3D和Noise2Self都输了：ICF去噪新框架来了
这篇论文最有意思的地方，不是去噪本身，而是它把“乘性噪声”硬生生拧成了“对数域里的加性噪声”，再用自监督把训练目标做成等价监督学习。更关键的是，它不是纸上谈兵，最后真把 ICF 这种难缠图像的 PSNR 拉到了 21.41 dB。
神经标度普适性来了：1/3、1/6都稳了？
这篇 MIT 的论文不跟你争“指数到底是不是 1/3”，它直接把焦点挪到更实用的地方：系数。指数像规矩，系数像手感；前者决定大方向，后者才真管模型怎么长、算力怎么花。
235B大模型也能三元化？CAT-Q仅用512样本压到1.58比特
大模型量化里最难啃的骨头之一，就是把权重压到三元还别把精度摔碎。CAT-Q这篇很有意思：不用百亿token重训，靠后训练量化就能把1.7B到235B模型压到1.58比特，且对QAT三元方法也不怵，值得认真看看。
清华字节新方法：不用CoT冷启动也能学会重看视频
这篇论文把“看视频”拆成了三件事：先粗看定位，再重看细节，最后重答修正。最妙的是，它不用冷启动的长串 CoT 标注，直接靠强化学习把重看能力练出来，省事还挺能打。
IEEE 2026新作：安全迁移强化学习让换道更稳更快
这篇论文把“老师盯着学”这件事，做成了一个能自适应收放的安全迁移框架。换道这种高风险任务里，它不只管少撞车，还尽量别把效率一起按进地板里，思路挺顺手。
ICML 2026新作Ribbon：一次训练，搞定不确定性还更准？
Ribbon 这篇挺有意思：它不跟传统贝叶斯正面硬刚，而是把“重采样的不确定性”用影响函数线性化，训练一次就能近似多次重训的效果。更妙的是，狄利克雷浓度参数还能拿来做校准，属于效率和鲁棒性都想要的那类方法。
NeurIPS 2026新研究：复读10%数据，344M模型算力竟白烧33%
这篇论文专门盯住一个很现实的问题：训练语料里那些“删不干净的重复”，到底会怎么偷走算力。它不只说“重复不好”，还给出了最伤人的重复区间、模型规模趋势，以及一个能把损失翻成算力浪费的尺子，挺实用。
