Sprachdrift im RLVR-Nachtraining ist unvermeidbar: Bewiesen, dass CoT-Monitorbarkeit ohne Leistungsverlust nicht reparierbar ist 1. Oktober 2026
RLVR aufsplitten statt bündeln: Ein einziger Adapter senkt die Majority Vote um bis zu 4,8 Punkte unter das Basismodell 1. Oktober 2026
arXiv: Verifier-Fehler in RLVR: Reward Hacking, Feedback-Limits und selektive Kontrolle 28. September 2026
Tulu 3: Allen Institute for AI öffnet das vollständige Post-Training-Verzeichnis mit RLVR und 939 Millionen Tokens von Trainingdaten 21. November 2024
ByteDance’s HybridFlow: Eine dynamische Switching-Struktur für PPO zur effizienten Verwendung von 3D-Parallelismus 28. September 2024
KI-Digest
MI · 28. Oktober 2026
KI-Digest
MI · 28. Oktober 2026
