论文：扰动公开文档合成数据提升推理能力
发生了什么
据Hugging Face Papers9月28日报道，一项新研究通过扰动公开文档合成推理轨迹，训练学生模型从上下文学习，无需人工标注。该方法在不依赖人类注释者的情况下，从3500份文档生成约10k样本。实验显示，SFT将Qwen3.6-35B-A3B学生在CL-bench上的表现从13.7%提升至22.8%，后续RL阶段达到24.6%，媲美万亿参数模型。
- CL-bench得分
- 24.6%
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。
- 来源报道1 个发布入口