arXiv论文：SRP-SFT提升Qwen3数学与代码能力
发生了什么
据arXiv cs.CL论文，研究提出选择性秩保留监督微调（SRP-SFT），旨在保留参考分布中的局部非目标边际关系而不冻结分布。在Qwen3-4B-Base和UltraFeedback上的一轮实验中，该方法在MATH-500和代码生成任务上优于CE和LP-SFT。在种子1234下，MATH-500 pass@1从49.56%提升至54.56%，四指标代码均值从65.91%提升至69.50%。
- MATH-500 pass@1
- 49.56% to 54.56%
- 代码均值
- 65.91% to 69.50%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口