SCALE propose de contrôler l’usage des variations apprises en SFT par des portes guidées par l’entropie
1 sourcemis à jour il y a 2 jpertinence 3,0 sur5
L’essentiel
Sur Qwen2.5-Math-1.5B, Qwen2.5-Math-7B et Qwen3-4B-Base, SCALE obtient des moyennes de raisonnement mathématique de 37,84, 43,60 et 36,57, au-dessus des meilleures méthodes de référence.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceCunchun Li, Haonan He, Yifan Gao et al.huggingface.co
Rethinking Token Reweighting for SFT: Suppress, Reverse, and Extrapolate Learned Features (site externe)
Supervised fine-tuning (SFT) learns most aggressively from tokens that the model deems least likely. This helps acquire new behaviors, but also amplifies noisy or conflicting supervision and can overwrite useful pretrained knowledge.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5