研究提出将引导向量作为大模型后训练信号
Start here
2026年11月，arXiv发布的一项机器学习研究提出将引导向量（SVs）从传统的推理控制手段转变为大语言模型后训练的参数更新信号，适用范围覆盖监督微调（SFT）、知识蒸馏以及GRPO强化学习。实验表明，在从思考模式教师模型进行蒸馏时，注入引导向量可带来最高12%的性能提升；在强化学习中，该方法能通过优势修复从全错样本中恢复有效学习信号。此外，该研究还厘清了代码生成与跨模型族迁移等失效边界，并已将相关代码开源。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习引导向量作为 LLM 后训练的训练信号
研究提出将引导向量（SVs）从推理控制手段转为 LLM 后训练的参数更新信号，覆盖 SFT、知识蒸馏及 GRPO 强化学习。在从思考模式教师模型蒸馏时，注入 SV 带来最高 12% 的性能提升，且能在强化学习中通过优势修复从全错样本中恢复有效学习信号。该研究同时厘清了代码生成与跨模型族迁移等失效边界，相关代码已开源。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.