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

具身智能：告别通用模型，走向异构编排

当VLA、WAM等机器人控制策略在各自任务中表现出色，如何为子任务匹配合适策略成完成复杂长时序任务关键。RoboHarness解决异构策略协同难题，通过协同调用策略提升成功率。

大模型微调（SFT）是主流LLM落地方案，但大家默认训练完就是学完了。腾讯混元团队发现SFT存在不完全学习现象（ILP），论文完成了定义ILP、找根因、提诊断框架和验证干预等工作。

本文从不完全学习现象出发，展望SFT领域未来研究方向，如未知根因探索、检测方法改进等，还提及推广到其他训练范式、CPT精细化研究等，给出研究优先级和社区建议。

OpenAI 展示与博通联合打造的定制 AI 芯片 Jalapeño，性能媲美英伟达 Blackwell 或谷歌 TPU。计划年底部署，是多代芯片开发首步。它专为大模型推理设计，设计周期短，成本低，OpenAI 借此扩展全栈能力。