Hugging Face Papers发布LLM推理后训练新论文

发生了什么

据Hugging Face Papers报道，Suorong Yang等人提出不确定性引导渐进收缩法。该方法通过蒙特卡洛推理树构建过程级不确定性，将监督压缩至0.22%的全数据SFT优化预算，训练暴露减少450倍以上，同时保持或提升推理性能。