Dans l'actualité
Finetuning with Sampling: SFT Learns Better Than You Think
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Des chercheurs ont développé un algorithme MCMC qui transforme les données d'entraînement off-policy en données plus on-policy, permettant au supervised finetuning d'égaler les performances du reinforcement learning.
- Pourquoi ça compte
- Pertinent pour les ingénieurs construisant des pipelines de posttraining qui veulent une meilleure généralisation et moins d'oubli catastrophique en ajoutant des capacités aux modèles de langage.
- Vigilance
- L'article est une soumission arXiv récente sans relecture par les pairs ni vérification indépendante. La scalabilité pratique et le coût computationnel de l'étape MCMC restent flous.
- rag
- reinforcement learning
- phi
Les patterns derrière cette actualité
- Structured Reflection (Think Tool)
- Reinforcement Learning from Human Feedback
- Memory Decay & Forgetting Policies
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.