Tsallis Loss 连续损失函数训练推理模型论文更新

Chu-Cheng Lin 和 Eugene Ie 更新了论文《How Fast Should a Model Commit to Supervision? Training Reasoning Models on the Tsallis Loss Continuum》，提出基于 Tsallis q-logarithm 的损失函数族 J_Q，为推理模型训练提供一条连续路径，在强化学习可验证奖励（RLVR，q=0）与潜在轨迹的对数边际似然（log-marginal-likelihood，q=1）之间建立联系。 此次更新为 arXiv 论文 2604.25907 的 v3 版本，发布时间为 2026 年 10 月 30 日。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。