热点事件观察中

论文揭示大模型后训练SFT、RLVR与OPD协同机制

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年9月29日，arXiv发布一项针对Qwen3模型的研究，揭示了大语言模型后训练中SFT、RLVR与在线策略蒸馏（OPD）的协同机制。研究指出，各阶段的效果高度取决于师生兼容性。实验表明，结合教师RLVR适配与学生SFT预热，可将平均OPD准确率从29.2%提升至43.8%（相对提升50%）。此外，研究还发现OPD比SFT能为下游RLVR提供更优的初始化，且该优势会随着算力扩展而进一步扩大。

AI 根据报道生成 · 6 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

9月29日

12:00
arXiv 机器学习
理解大语言模型后训练中 SFT、RLVR 与 OPD 的协同效应
一项针对 Qwen3 模型的研究揭示了大语言模型后训练中 SFT、RLVR 与在线策略蒸馏（OPD）的协同机制，指出各阶段的效果高度取决于师生兼容性。实验表明，结合教师 RLVR 适配与学生 SFT 预热，可将平均 OPD 准确率从 29.2% 提升至 43.8%（相对提升 50%）。此外，OPD 比 SFT 能为下游 RLVR 提供更优的初始化，且该优势随算力扩展而扩大。

本事件热度走势

当前热度 4·可比范围峰值 5（9月30日 12:00）·近 24 小时可比范围变化 –

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。