Compute Aligned Training 对齐训练与测试时推理

1. 12:00
   arXiv：cs.LG

   Compute Aligned Training：让训练目标对齐测试时推理策略

   研究者提出 Compute Aligned Training，将推理策略视为基础策略上的算子，据此推导出新的损失函数，使 SFT 和 RL 的训练目标与测试时策略对齐。该方法针对常见测试时策略分别实例化了对应损失函数，实证表明其相比标准训练能显著提升测试时扩展效果。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。