S
SkillNav

TESSY框架：师生协作合成风格一致SFT数据

深度2026年4月18日32 分钟阅读
最有趣的发现是：强模型生成的合成数据与目标模型风格不匹配是导致微调失败的关键原因，而简单的师生协作生成机制能有效解决这一问题。本文适合研究模型微调、数据合成和推理模型优化的研究人员阅读。
本文编译自 How to Fine-Tune a Reasoning Model? A Teacher-Student Cooperation Framework to Synthesize Student-Consistent SFT Data，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

Sema Code：将AI编程代理解耦为可编程、可嵌入的基础设施

本文提出Sema Code，一个基于可嵌入、可插拔、框架优先原则构建的开放AI编程框架。它完全将核心代理引擎与客户端层解耦，发布为独立的npm库，任何运行时均可编程驱动。该框架通过八大机制解决了将复杂代理引擎转化为共享可编程核心的工程挑战，并展示了同一引擎同时支持VSCode扩展和多渠道消息网关的架构灵活性。

深度·4月18日·44 分钟

RAD-2：基于生成-判别框架的强化学习规划方法

本文提出RAD-2，一种用于闭环驾驶规划的生成-判别统一框架。该方法通过扩散模型生成多样轨迹候选，利用强化学习优化的判别器进行重排序，结合时序一致性策略优化和在线生成器优化技术，在BEV-Warp高效仿真环境中实现大规模训练。实验表明RAD-2相比现有扩散规划器碰撞率降低56%，实际部署中显著提升驾驶安全性与平顺性。

深度·4月18日·55 分钟

评论