热点事件持续更新
极端稀疏监督提升大模型推理能力
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
2026年10月3日，机器之心报道了亚马逊与杜克大学的一项研究：在大模型后训练中，仅随机保留每条 rollout 中一个 token 的梯度信号（约 0.025%），学生模型的推理能力仍显著提升。报道称，在基于 Qwen3 系列的 9 组教师—学生配置中，保留分歧最大的 1-2 个 token 即可匹配甚至超过全信号训练，且万分之一监督仅更新 10% 网络参数。该现象在代码推理、Llama 系列以及 PPO 的 RLVR 中同样成立。目前该研究处于报道阶段，尚无后续进展或与其他报道不一致之处。
AI 根据报道生成 · 3 小时前更新
最新进展10月3日 10:00
亚马逊与杜克大学研究显示，万分之一稀疏监督即可提升大模型推理能力。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- 机器之心亚马逊与杜克大学研究：大模型后训练中万分之一稀疏监督即可提升推理能力
亚马逊与杜克大学研究发现，在大模型后训练中仅随机保留每条 rollout 中一个 token 的梯度信号（约 0.025%），学生模型推理能力仍显著提升。基于 Qwen3 系列的 9 组教师—学生配置中，保留分歧最大的 1-2 个 token 即可匹配甚至超过全信号训练，且万分之一监督仅更新 10% 网络参数。该现象在代码推理、Llama 系列及 PPO 的 RLVR 中同样成立。
本事件热度走势
当前热度 6·可比范围峰值 6（10月4日 03:00）·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。