標籤 · #sft

SWE-Prime 以更少的軌跡提升模型效能

為什麼值得讀 開發者應關注此議題，因為雜訊監督可能促使模型模仿不理想的問題解決行為。

新方法 SWE-Prime 透過過濾訓練數據，提升大型語言模型解決現實軟體問題的能力。此方法採用多粒度、兩階段選擇策略，在軌跡與片段層級逐步篩選，確保僅貢獻正向解的片段用於損失計算，同時保留完整上下文，避免引入雜訊監督並鼓勵模仿不良行為。