IXThinker·2026-03-17 16:40MIT 研究：加高斯噪聲可取代 GRPO/PPO 調參
MIT 師生發表新論文指出，只需向預訓練模型添加高斯噪聲並整合結果，性能便可比肩甚至超越 GRPO、PPO 等經典強化學習算法，大幅簡化任務適配流程，為大模型微調提供輕量新範式。
向調參難題開炮
為把預訓練模型變成特定任務的專家，業界長期依賴梯度下降或強化學習，逐步優化參數，其中繁瑣的超參調優令無數研究者疲於奔命。
一對來自 MIT 的師生在新論文中提出挑戰：無需複雜調參，隨機擾動參數再整合結果，效果便可與 GRPO、PPO 等專業方法相若，甚至更優。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。