EVENT DOSSIER
2026 年 9 月 7 日，Salesforce AI Research 团队提出名为 RISE（Recursive Improvement via Self-Extrapolating Policy Distillation）的新型大模型训练方法。该方法旨在解决语言模型后训练阶段教师模型质量受限的问题，无需依赖外部教师或特权数据。RISE 利用模型自身的强化学习验证轨迹，通过自外推技术将稀疏的参数更新转化为稠密的 token 级监督信号。具体而言，算法基于当前检查点与尾部锚点的位移进行外推，结合结果奖励引导方向并细化 token 决策，形成递归改进循环。实验涵盖数学推理、多领域 STEM、代码生成及多轮智能体任务，结果显示 RISE 在所有测试设置下均优于仅使用 RLVR 训练或基于策略的自蒸馏方法。
Salesforce AI Research RISE 提出基于自外推策略蒸馏的递归改进大模型方法
arXiv:2609.05295v1 提出名为 RISE（Recursive Improvement via Self-Extrapolating Policy Distillation）的新方法，旨在通过自外推策略蒸馏解决语言模型后训练…
2 条报道arXiv:2609.05295v1 提出名为 RISE（Recursive Improvement via Self-Extrapolating Policy Distillation）的新方法，旨在通过自外推策略蒸馏解决语言模型后训练中的教师质量瓶颈。该方法利用模型自身的 RLVR 训练轨迹构建合成教师，通过外推当前检查点与尾部锚点之间的位移，将稀疏的参数更新转化为稠密的 token 级目标，无需外部模型或特权条件。RISE 将 RLVR 与 OPD 结合为互补循环：结果奖励引导外推方向，外推教师细化 token 决策，且教师随学生迭代刷新形成递归改进机制。实验涵盖数学推理、多领域 STEM、代码生成及多轮智能体任务，结果显示 RISE 在所有设置下均优于仅 RLVR 训练和 OPD 自蒸馏。
Salesforce AI Research 团队提出 RISE（Recursive Improvement via Self-Extrapolating Policy Distillation），通过自外推技术从模型自身强化学习轨迹中递归生成稠密 token 级监督，无需外部教师。该方法利用当前检查点与尾部锚点之间的位移进行外推，将稀疏结果诱导参数更新转化为稠密目标。实验涵盖数学推理、多领域 STEM、代码生成及多轮智能体任务，结果显示 RISE 在所有设置下均优于仅使用 RLVR 训练和基于策略的自蒸馏方法。