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 prop...
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。
Nathan Lambert@natolambert35
AI 编辑部评分，满分 100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。
来源：Nathan Lambert· x.com