IXThinker·2026-07-22 15:50

幾何感知新框架破解強化學習微調瓶頸

國際計算語言學會議傑出論文提出幾何感知低秩適配框架，針對強化學習結合可驗證獎勵微調的優化瓶頸：現有高效方法難以適配其獨特幾何。新方法在約束子空間內分解提取主方向，於數學、代碼等基準達到領先。

微調的優化瓶頸

強化學習結合可驗證獎勵，是推進大推理模型的關鍵路徑，但其優化幾何與監督學習截然不同。主流參數高效微調方法多按監督學習場景設計，用於此類訓練時，梯度方向與曲率難以對齊，穩定性與收斂效率均受制約。