算法论文8

DYPO：让SFT与RL协同提升大模型推理

量子位2026-05-14

AI 摘要

清华大学等团队：提出DYPO方法应对SFT和RL融合难题，先判断样本学习阶段再选优化路径，在多场景实验中提升效果明显，虽有边界但提供新方向。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

ACL两篇技能论文杀疯了

本文整理六大2026顶会共460篇高引机器学习论文，详细介绍ACL下两篇聚焦技能拆解复用的高引论文，给出效果数据与论文链接，开放论文合集获取。

本文报道由vLLM原班人马创立的Inferact公司，联合谷歌优化后，16块谷歌TPU v7跑Kimi K3速度比同数量英伟达GB200快57%，相关代码已开源，详解了背后的技术优化思路。

当前大模型算力需求攀升，高端GPU供给紧成本高，大量PCIe长尾GPU算力因框架适配不足被禁锢。是石科技自研Meta-Infer推理引擎，通过纯软件优化挖掘硬件潜力，让DeepSeek推理吞吐提升近7倍，方法也适配国产GPU。

本文解读Together AI的新算法论文，讲解大模型强化学习中，采样端与训练端的微小偏差如何累积放大导致训练跑偏，介绍Score Centering校正方法的原理、效果与应用边界。