DoubleFree提出免 rollout 多任务训练方法
热点事件持续更新
DoubleFree提出免 rollout 多任务训练方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Yingping Wang 等作者提出 DoubleFree 多任务训练方法，复用强化学习训练积累的历史轨迹并预先计算教师监督，实现训练时无需 rollout 和在线教师；论文报告称，该方法在多项任务上保持可比的多领域性能，同时将整合速度提升 2.99–5.75 倍、GPU-hours 减少 80.9%–90.1%。 该方法已在 Qwen3-4B、Qwen3-8B 和 SmolLM3-3B 上测试，覆盖数学、代码和指令遵循任务。
AI 根据报道生成 · 42 分钟前更新
最新进展10月28日 12:00
DoubleFree：利用探索历史实现免 rollout 的多任务 LLM 训练报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningDoubleFree：利用探索历史实现免 rollout 的多任务 LLM 训练
DoubleFree复用领域强化学习训练中积累的历史轨迹，实现免 rollout 的多任务 LLM 整合训练，并预先计算教师监督，避免训练时让教师模型保持在线。在 Qwen3-4B、Qwen3-8B 和 SmolLM3-3B 的数学、代码及指令遵循任务上，整合速度提升 2.99–5.75 倍，GPU-hours 减少 80.9%–90.1%，同时保持可比的多领域性能。
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。