预训练应该应该增加推理语料的多样性，然后SFT阶段使用一小套高质量数据监督微调，然后用奖励稳定下来。预训练阶段逼着LLM自己学习内化，然后用sft高质量数据强化，最后用reward策略优化固化。 ---- Paper – arxiv. org/abs/2510.03264 Paper Title: "Front-Loading Reasoning: The Synergy between

#预训练 #推理语料 #SFT #奖励策略 #LLM

相关新闻

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3小时前

今天读的论文发现，LLM的智能，元认知程度也TMD是预训练阶段利用梯度下降的大算力对decode only transformer的神经网络的优化压力下激发出来的！

LysonOber

20小时前

理光（Ricoh）推出了面向企业的 “Dify 支持服务（Dify Support Service）”。作为其本地部署版 LLM 套件的可选服务，该方案提供了“实地支持”，帮助企业现场人员开发符合自身业务需求的 Dify 应用。从其针对大型企业导入支持的举措来看，可以看出 Dify 在企业级应用方面的推进正在加速。详情见下方回复👇

Dify Base| Dify・n8nの基礎から応用まで

23小时前

リコーが企業向けの「Dify支援サービス」を提供開始。オンプレLLMキットのオプションとして、現場担当者が自社の業務に合わせたDifyアプリを開発するのを「伴走支援」するといった内容。大手による導入支援を見ても、Difyのエンタープライズ活用が進んでいることがわかります。詳細はリプ👇

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1天前

Token泡沫的能量成本视角解释：如果当前的LLM或者视觉生成模型不解决符号接地问题，不找到可以cover能源成本的实际生产价值场景，在in-silicon空转的话，破灭是迟早的事。算力是个好生意吗？只有卖芯片的，NIVDIA类似于互联网刚兴起时的cisco。而token生产公司类似于.com门户，基于token的再加工创业公司就是token内容的再生产。只有和产业生产结合产生实质效率

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1天前

LLM的IWL和ICL就是典型的环境双峰分布 (Bimodal Environment)的学习适应范式：也是对语言世界动力学的精辟概括。 ◦峰 A (高频、稳定、慢变)：世界的大部分规律（物理定律、语法规则、社会常识）在很长的时间尺度内是稳定不变的。对于这些规律，最经济的策略是投入巨大能量进行一次性的、深度的学习，将其“编译”或“固化”到系统底层。 ◦峰 B (低频、易变、快变)：世界也充满了各