IXThinker·2026-07-03 18:50

新算法精準分配信用分提升推理表現

人民大學團隊提出token信用分配算法DelTA，針對大模型強化學習微調中訓練不穩定、正負樣本梯度混淆等痛點，透過求解優化問題為每個token計算最優權重，提升訓練穩定性與對齊能力。

痛點所在

做大模型強化學習微調，常見難題包括訓練總不穩定、正負樣本梯度難以區分，過往依賴經驗手動分配token權重，始終難達最優訓練效果，調參成本高且結果難以復現，制約RLHF的實用化。