arXiv stat.ML· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Tianshu Fu, Daren Zha·· 2026-10-02AI 评分34
FAER：面向大语言模型后训练的可审计效用对齐轨迹回放框架
FAER: Auditable Utility-Aligned Trajectory Replay for Language Model Post-Training
AI 导读
研究人员提出面向大语言模型后训练的可审计全轨迹回放框架 FAER，通过对齐下游学习者效用解决回放选择与学习目标脱节的问题。在基于 Qwen2.5-1.5B-Instruct 的 GSM8K 实验中，固定选择器在 128 次更新下达到 0.6329 的质量得分，优于均匀采样的 0.5482 与格式反馈的 0.6037。
来源：arXiv stat.ML · arxiv.org