小红书AllSpark提出ROSS方法提升模型表现

小红书 AllSpark Team 提出 ROSS 方法，让模型重新学习训练中自己生成的 rollout：从历史记录中筛选有价值的轨迹与片段，保留完整上下文做选择性监督，以巩固模型曾探索到但尚未稳定掌握的有效行为。 据小红书技术介绍，基于 Qwen3.6-35B-A3B，ROSS 在单轮强化学习中把数学均分从 75.19% 提至 76.98%、代码从 42.09% 提至 44.21%，MOPD 均分从 58.40% 提至 62.20%。上述提升为该方法自述的实验结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。