热点事件持续更新

ROSS：通过选择性监督从自生成回放中再学习

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

ROSS 方法在强化学习与在线蒸馏生成的历史回放中保留完整轨迹，仅对模型生成的续接部分施加损失。在 Qwen3.6-35B-A3B 上，六项基准 MOPD 平均分从 58.40% 提升至 62.20%，SWE-bench Verified 从 64.20% 提升至 68.40%，无需额外策略回放即可通过离线 SFT 复用行为经验。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

9月30日

12:00
arXiv · Machine Learning
ROSS：通过选择性监督从自生成回放中重新学习
ROSS 在强化学习与在线蒸馏生成的历史回放中保留完整轨迹，仅对选定的模型生成续接部分施加损失。在 Qwen3.6-35B-A3B 上，六项基准 MOPD 平均分从 58.40% 提升至 62.20%，SWE-bench Verified 从 64.20% 提升至 68.40%，无需额外策略回放即可通过离线 SFT 复用行为经验。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。