待验证50% 置信事实精确时间
Deletion Tuning 在带可验证奖励的强化学习(RLVR)、监督微调(SFT)和同策略蒸馏三种后训练范式下均能匹配全量微调的性能。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
涉及实体
相关事实
待验证在 RLVR、SFT 和同策略蒸馏三种后训练范式中,将预训练模型中不到 0.05% 的权重置零即可在规模上匹配全量微调的表现。79% 相似待验证Deletion Tuning 尤其适合需要频繁切换任务或持续学习的场景。73% 相似已验证从预训练检查点到可商用产品需经历监督式指令微调(SFT)和基于人类反馈的强化学习(RLHF)两个后训练阶段72% 相似待验证后训练通常涵盖监督微调(SFT)、强化学习对齐(RLHF/RLAIF)以及领域适配微调,视觉推理模型还涉及视觉指令微调71% 相似待验证微调方法包括监督式微调(supervised fine-tuning)和带评分器的强化学习(reinforcement with a grader)71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1157636API
curl https://kongchang.com/api/v1/knowledge/claims/1157636MCP
get_claim(id=1157636)