热点事件持续更新
研究揭示预训练与中训练对模型奖励学习的影响机制
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv机器学习领域发布的一项新研究揭示了预训练与中训练（midtraining）对模型基于奖励自适应学习的作用机制。研究指出，预训练与中训练能够为模型提供必要的信息与计算基础，从而帮助其高效完成基于奖励的自适应任务。基于 Qwen2.5 预训练检查点的实验结果显示，具备正确源监督的序列模型在8个测试环境中的平均成功率达到82.61%，显著高于对照组的44.15%；在引入记忆回放机制后，任务成功率达到了75.32%。
AI 根据报道生成 · 4 小时前更新
最新进展10月1日 12:00
新研究揭示预训练与中训练如何支撑模型通过奖励实现自适应学习。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 机器学习预训练与中训练能让模型从奖励中学会什么？
一项新研究揭示了预训练与中训练（midtraining）如何提供必要的信息与计算基础，从而使模型能够有效完成基于奖励的自适应学习。基于 Qwen2.5 预训练检查点的实验显示，具备正确源监督的序列模型在 8 个测试环境中取得 82.61% 的成功率（对照组为 44.15%），引入记忆回放后任务成功率达到 75.32%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1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。