arXiv · cs.AI· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Tianshu Fu, Daren Zha·· 5 小时前
FAER：面向语言模型后训练的可审计效用对齐轨迹回放
FAER: Auditable Utility-Aligned Trajectory Replay for Language Model Post-Training
arXiv:2610.00385v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Tianshu Fu, Daren Zha
研究任务与主要进展
FAER提出面向语言模型后训练的可审计完整轨迹回放框架，区分缓存轨迹正确性与下游学习效用。在GSM8K、Qwen2.5-1.5B-Instruct和128次更新的匹配实验中，FAER-UTILITY质量分为0.6624，高于固定选择器的0.6329和格式反馈的0.6037；其记录成本为62,844个目标运行令牌和4.26 GPU小时。材料仅提供论文摘要，跨任务与零样本结果细节未展开。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org