GAC：SFT-RL混合后训练的噪声感知自适应混合控制器

Yuelin Hu 等发布论文 v2，提出 GAC（Guided Adaptive Controller），用于 SFT 与 RL 混合后训练中随两路信号相对噪声变化自适应调整混合权重，方法为最小化混合随机梯度 MSE 上界，并已开源模型与实现。 背景是混合 SFT 与 RL 的大模型对齐后训练通常采用固定混合调度，无法在两路信号噪声相对变化时调整。GAC 在 CHORD 的 token 级重加权基础上加入 EMA 平滑、调度先验和限幅更新。 作者称完整系统在数学、代码、科学与逻辑基准上较 HPT 高 3.8 分，KL 漂移面积降低 28%；以上为论文报告结果，本站未独立核验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。