热点事件持续更新
研究团队提出大模型训练框架PRISM提升采样多样性
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv披露的研究提出了一种大语言模型训练期框架PRISM。该框架针对大语言模型存在的模式崩溃问题，通过次模态数据筛选与随机嵌入调制，将多样性内化为模型能力。实验表明，PRISM在两个开源模型族的WritingPrompts和BookMIA测试中，均实现了最佳生成质量与领先的语义多样性。此外，该框架不仅提升了数学与代码任务的采样效率，还在强化学习过程中有效缓解了多样性崩溃现象。
AI 根据报道生成 · 7 小时前更新
最新进展10月26日 12:00
研究者提出训练期框架PRISM，通过次模态数据筛选与随机嵌入调制显著提升大模型采样多样性与生成质量。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习PRISM：通过隐式随机调制提升大语言模型的采样多样性
研究者提出大语言模型训练期框架 PRISM，通过次模态数据筛选与随机嵌入调制，将多样性内化为模型能力以解决模式崩溃。PRISM 在两个开源模型族的 WritingPrompts 和 BookMIA 测试中实现最佳生成质量与领先的语义多样性，不仅提升了数学与代码任务的采样效率，还在强化学习中有效缓解了多样性崩溃。
本事件热度走势
当前热度 8·可比范围峰值 10（10月26日 13:00）·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。