RGR 缓解 LLM 自改进能力退化
热点事件持续更新
RGR 缓解 LLM 自改进能力退化
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
研究者 Jiaqi Tian、Ting Long 提出表征几何正则化（RGR），用于缓解大语言模型在自我改进过程中已有能力退化的问题。RGR 通过增强隐藏表征的簇内紧凑性与簇间分离性来保持表征几何，可集成进现有的 On-Policy Self-distillation（OPSD）方法。 据该研究称，在多种 OPSD 方法与基准上，RGR 普遍缓解了能力退化，同时保留能力提升，代码已开源。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
通过表征几何正则化缓解 LLM 自我改进中的能力退化报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AI通过表征几何正则化缓解 LLM 自我改进中的能力退化
针对 On-Policy Self-distillation（OPSD）在自我改进中会逐步退化已有能力的问题，研究者提出表征几何正则化（RGR），通过增强簇内紧凑性与簇间分离性来保持隐藏表征几何。RGR 可无缝集成进现有 OPSD 方法，在多个 OPSD 方法与基准上普遍缓解能力退化，同时保留能力提升。代码已开源。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
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。