IXThinker·2026-07-21 12:10

幾何感知低秩適配新法 破解強化微調瓶頸

強化學習結合可驗證獎勵是推進大推理模型的關鍵路徑，但現有參數高效方法多面向監督學習設計，難以適配其優化幾何。獲ACL 2026傑出論文的GeoRA從幾何視角入手，破解微調瓶頸。

RLVR的微調瓶頸

強化學習結合可驗證獎勵（RLVR）已成為推進大推理模型的主要訓練路徑之一，惟既有參數高效微調方法多以監督學習為前提，忽略了RLVR特有的優化幾何結構，訓練穩定性因而受限。