Qwen3最新研究：高分rollout也会带偏训练？
在线强化学习最怕什么？不是不会学，而是学着学着突然跑偏。GEOALIGN抓住“高分但方向不对”的rollout，直接在潜空间里做体检，数学推理和对齐任务都更稳了。
标签：模型训练
共 155 篇
GEOALIGN来了：让LLM在线RL少走弯路，Qwen3稳定提分
这篇论文抓住了在线RL最烦人的毛病：明明奖励不低，训练却像坐过山车。GEOALIGN不跟奖励硬刚，而是从“方向”下手，专门揪出那些高分但带偏全局更新的rollout，思路相当清爽。
WACV 2026新作：真实相机超分为何总翻车？
这篇论文很像给真实超分模型做了一次“跨场景校准”：先适应合成盲退化，再对齐经典双三次评测协议，最后再回到轻度真实相机退化。它最有意思的地方，不是单点堆损失，而是把训练分布这件事摆到台面上认真收拾。
WACV 2026新作：DCH-RealSR三阶段对齐，真实超分再涨2.04dB
这篇论文最有意思的地方，不是又堆了多少花活，而是把盲超分最容易被忽略的“分布对不齐”拎出来狠狠干了一顿。三阶段对齐思路很朴素，但对真实相机数据确实有效，适合想看“训练协议怎么影响结果”的读者。
离散扩散VLA上RL终于跑通了？99.7%与30.6%提升
这篇论文专门盯上了离散扩散VLA的“RL卡脖子点”：最终动作的边缘概率算不出来，那就直接优化去噪轨迹本身。思路很硬，结果也很硬，LIBERO和RoboTwin 2.0都打出了能拿出来讲的成绩。
从3%到91%：Aalto让LLM学会修系统模型
这篇论文不跟语法错误死磕，而是专门盯住“看起来没毛病、其实物理上不对劲”的语义Bug。Aalto University用知识图谱给小模型喂规则，还让它输出补丁而不是整段重写，工程师看一眼就能决定要不要采纳。
不算相似度，靠一致率聚类：CoOL的反常识思路
这篇 CoOL 很有意思：不靠距离、不算相似度，靠多个观察者“商量一致”来做聚类。更妙的是，它还把收敛监控、分布漂移检测一起打包了，属于那种思路怪，但讲得通的论文。
英特尔CAT-Q来了：512样本把大模型压成1.58位
CAT-Q把“训练到位才能三元化”的老路，改成了更省钱的后训练方案。512个校准样本，就想把1.58位大模型做得又稳又准，思路很硬。
ACL 2026新法：摘要模型被投毒后还能恢复？
这篇论文很实用，专治“摘要模型表面正常、背后作妖”。白盒能顺藤摸瓜找出毒样本，黑盒还能只靠模型行为做审计，最后连被污染的摘要习惯都能拉回来，属于防御论文里少见的“检测+修复”双保险。
NVIDIA+清华新作Causal-rCM：2步视频生成冲到84.63
这篇论文把“教师强制”和“自习强制”拧成了一个统一蒸馏配方，还顺手把连续时间一致性模型和分布匹配蒸馏接上了。更有意思的是，它不只会讲方法，还真把流式视频生成和交互式世界模型都跑出了像样的结果。
阿里开源百万级SAE：Qwen3黑箱被拆开了？
这篇论文最有意思的地方，不是“又训练了一个SAE”，而是把Qwen3的内部表示拆成了能看、能评、还能直接干预的特征字典。更妙的是，它不只讲“重构得像不像”，还真的拿拒答行为做了因果干预，实用味很足。
GAN训练也能算清楚？Koc大学提出有效协方差动力学
这篇论文最有意思的地方，是把原本“玄学味很重”的GAN训练，硬生生拆成了可解的高维动力学问题。类条件、相关性、非零均值这些看起来很乱的因素，最后都被压进了一个有效协方差里，理论和实验还能对上。
