Nathan Lambert· @natolambert · X·· 2026-09-12AI 评分35
AI 导读
基于 Olmo 3 的酷炫后训练工作 :) RL 成本高昂，所以每一步都应算数。约 1 年前，我们展示了 xent SFT 并非为 RL 做准备的最佳方式（https://arxiv.org/abs/2510.15020）。现在我们提出 TailSFT（https://arxiv.org/abs/2608.25756），一种轻量且有原则的方法，可直接提升覆盖度并获得更好的 RL 后性能。
正文 · 原文
Cool post training work built on Olmo 3 :)
RL is expensive, so every step should count. ~1 yr ago, we showed xent SFT isn’t the best way to prepare for RL (https://arxiv.org/abs/2510.15020). Now, we propose TailSFT (https://arxiv.org/abs/2608.25756), a lightweight + principled way to directly improve coverage and get better post-RL perf.在 X 查看被引用的帖子
来源：Nathan Lambert · x.com