待验证50% 置信事实精确时间
@k 压力完全可以通过单次补全训练实现,性能匹配多补全 @k 优化器,而成本只是后者的一小部分。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至:2027/2/1
来源
KAPPO:用@k优化控制LLM后训练中的锐化效应
rss2026/11/2
涉及实体
相关事实
待验证单次补全训练是指在每次策略更新时,对每个提示只采样一条补全,却通过奖励变换或正则化设计来模拟 @k 目标的学习压力。77% 相似待验证该研究推导出了 KL 正则化下 pass@k 与 max@k 目标的最优策略闭式解,表明 @k 优化本质上是在按题目难度重新分配学习压力,把优化重心从简单题转向难题。75% 相似待验证LISCO采用自监督训练方式,以KKT条件的满足程度作为目标,无需预先计算的优化器解作为标签66% 相似待验证Kimi K2.6能根据问题复杂度自适应调整输出长度,这一能力通过Post Training阶段的长度校准技术实现61% 相似待验证最大似然估计训练目标等价于最小化模型分布与训练数据经验分布之间的KL散度61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130874API
curl https://kongchang.com/api/v1/knowledge/claims/1130874MCP
get_claim(id=1130874)