提出能量基微调(EBFT)方法,通过匹配模型生成序列与真实序列在特征空间中的统计量来实现语言模型的序列级微调,无需任务特定验证器或奖励模型,在Q&A编码、无结构编码和翻译任务上性能媲美RLVR且优于监督微调(SFT),同时降低验证集交叉熵。
机构:Harvard
来源:arXiv 2603.12248 | AI4Papers 论文推荐平台