GrowRL：冻结主干，将RL更新组织为可迁移计算通路

Haolin Tian、Yikang Li、Tonghan Wang 等在 arXiv 发布论文，提出 GrowRL：冻结预训练主干，在每个 Transformer 层新增独立的因果注意力分支和前馈网络分支，仅训练这些新增参数，把大语言模型强化学习的更新组织成紧凑的计算路径。 基于论文摘要，在五个主干上的实验显示，该方法以少量可训练参数取得有竞争力的数学推理和分布外表现。学到的通路在三种迁移方向上都能带来直接收益：目标侧仅更新 10 次的表现已接近更新 100 次的水平。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。