少即足夠：用稀疏自編碼器在 LLM 特徵空間中合成多樣化資料
Less is Enough: Synthesizing Diverse Data in LLM Feature Space with Sparse Autoencoders
arXiv
5
Liang-Hsun Huang 許願
Lightning OPD：利用離線同策略蒸餾實現大型推理模型的高效後訓練
Lightning OPD Efficient Post-Training for Large Reasoning Models with Offline On-Policy Distillation
arXiv
295
Teds Lin 許願
大型語言模型後訓練：離策略與在策略學習的統一視角
Large Language Model Post-Training A Unified View of Off-Policy and On-Policy Learning
arXiv
0
Teds Lin 許願
重新思考推理 SFT 中的泛化：對最佳化、資料與模型能力的條件式分析
Rethinking Generalization in Reasoning SFT
arXiv
60
Teds Lin 許願