提出Bebop,通过rejection sampling和端到端TV loss训练MTP,解决RL训练中熵波动导致MTP接受率下降的问题,在数学推理、代码生成和agent任务中实现高达95%接受率、25%额外吞吐量提升和1.8×端到端加速。
机构:阿里
来源:arXiv 2606.12370 | AI4Papers 论文推荐平台