SFT究竟该学哪些Token？数学推理的Token裁剪视角
原文标题：Which Tokens Should SFT Actually Learn? A Token-Trimming Perspective on Mathematical Reasoning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出SFT对所有目标Token施加统一交叉熵损失，会过度锐化已掌握Token并放大低置信Token的学习压力。作者提出Trimmed Logit-Gap SFT（TrimSFT），依据金标Token与最强竞争者的logit差距进行Token级重加权，裁剪两端极端、聚焦中间区域，无需参考模型或额外前向传播。在Llama、Qwen、DeepMath六个基础模型和五个数学推理基准上，TrimSFT在六个模型中五个取得最佳平均表现，MATH500最高提升26.9分。
- 问题
- SFT对所有目标token统一交叉熵，过度锐化已掌握token、放大低置信token压力。
- 方法
- 按金标token与最强竞争者的logit差距做token级高斯重加权，裁掉两端极端，无需参考模型或额外前向。
- 结果
- 六个模型中五个平均最优，MATH500较SFT最高提升26.9分。
- 影响
- 微调数学推理模型时可直接替换损失函数，零额外开销换来明显提升。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TrimSFT按logit差距裁剪token监督，六个模型中五个最优，MATH500最高提升26.9分
- •标准SFT对所有目标token统一交叉熵，会过度锐化已掌握token、放大低置信token压力
- •按金标token与最强竞争者的logit差距重加权，裁掉两端、聚焦中间区间
- •用中心为m、带宽τ的高斯权重实现，无需参考模型或额外前向传播
- •Llama、Qwen、DeepMath六个基座、五个数学基准上，五个模型取得最佳平均表现
- •带宽τ比边际位置更关键；只裁一侧的半裁剪变体权衡更差
为什么重要：数学推理SFT不必对所有token一视同仁，这是低成本、易复现的训练改进，对做后训练的团队直接可用。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。