SRA论文提交并报告提升小模型推理表现
热点事件持续更新
SRA论文提交并报告提升小模型推理表现
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Zhenxing Dou、Kun He、Mingyang Yi和Yong Liu提交了SRA研究论文，提出一种无需在运行时调用教师模型的插件式方法，以局部残差校准增强蒸馏小模型的多步推理能力。论文报告称，在Qwen3 0.6B至4B模型的数学基准测试中，SRA使平均Pass@16最高提升4.37个百分点，并保持通用能力。
AI 根据报道生成 · 50 分钟前更新
最新进展10月28日 12:00
SRA：通过选择性残差适配增强 LLM 推理能力报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningSRA：通过选择性残差适配增强 LLM 推理能力
SRA（Selective Residual Adaptation）提出无需运行时调用教师模型的插件式框架，通过局部残差校准增强蒸馏小模型的多步推理能力。在 Qwen3 0.6B 至 4B 模型的数学基准测试中，SRA 将平均 Pass@16 最高提升 4.37 个百分点，同时保持通用能力。
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。