Today for AI
返回热点榜
llm热度 10.3°

AI 聚合热点事件 · 2026/10/29

PSN-RLVR 提出参数扰动法 提升大模型推理探索多样性

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/29 11:40:00
全景综述与最新动态
1 家信源交叉印证

上海创智学院等机构提出 PSN-RLVR 方法，通过在推理前对模型参数施加贯穿整条轨迹的小幅随机扰动，有效解决了强化学习后模型“答得准但解法单一”的问题。实验显示该方法显著提升了多次尝试成功率（Pass@K）及分布外泛化能力，相关论文已被 NeurIPS 2026 接收。

最新动向/上海创智学院等机构提出 PSN-RLVR 方法，通过在推理前对模型参数施加贯穿整条轨迹的小幅随机扰动，有效解决了强化学习后模型“答得准但解法单一”的问题。实验显示该方法显著提升了多次尝试成功率（Pass@K）及分布外泛化能力，相关论文已被 NeurIPS 2026 接收。

逐小时热度走势

8 个完整观测小时
当前
10.3
峰值
11.912:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. 量子位 (微信公众号)T2·78 分

    PSN-RLVR 提出参数扰动法 提升大模型推理探索多样性

    原标题：后训练越多模型越“轴”？给参数加点扰动，探索能力回来了 | NeurIPS'26

    • 指出强化学习虽提升单次准确率（Pass@1），但往往抑制解题路径的多样性，导致多次尝试成功率（Pass@256）下降。
    • PSN-RLVR 通过在生成前引入并固定参数扰动，使模型在整段推理中保持不同的思考倾向，从而产生连贯的新解法。
    • 该方法在 GRPO 算法上验证有效，不仅提高了多采样成功率，还在科学问答和编程任务中展现出更好的分布外泛化能力。