AI マルチタスク学習でSFTは衝突、RLは共存すると論文が実証
論文「SFT Conflicts, RL Coexists」は、SFTがマルチタスク学習でタスク衝突を起こす一方、RLは勾配がほぼ直交し性能劣化が起きにくいと解明し、新手法Parallel-RLを提案しています。
AI
AI
AI
AI
AI
AI
AI
AI
AI
AI