Hugging Face Daily Papers·· 2026-10-20AI 评分45
RL 论文在开源训练框架中的纳入与审查分析
From RL Papers to Framework Code: Inclusion and Review in Seven Open-Source Training Frameworks
AI 导读
研究追踪了七个开源强化学习后训练框架,发现 2025 年 1 月至 2026 年 6 月期间仅 37 篇通用方法被纳入。被采纳的论文更常涉及 30B 以上参数策略及损失函数系数调整,且多数未获维护方回复。研究数据已作为追踪器开源,链接训练失败记录与框架贡献规则。
来源:Hugging Face Daily Papers · arxiv.org