arXiv 论文：CIG-SFT 条件信息增益后训练框架
原文标题：What Should SFT Learn? Conditional Information Gain for Generalizable Post-Training
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。
论文指出模型兼容性不等于学习价值，提出信息论框架 CIG-SFT，估计每个示范 token 携带的任务条件信息，并转化为 KL 正则化的 SFT 目标。在数学推理与代码生成基准上，CIG-SFT 优于标准 SFT 与近期自适应微调方法，泛化提升尤为明显。
- 问题
- SFT 强制模仿外部轨迹会干扰预训练已有能力，限制泛化。
- 方法
- 用信息论估计每个示范 token 的任务条件信息增益，转成 KL 正则化的标量加权 SFT 目标，而非按模型兼容性重加权。
- 结果
- 在数学推理与代码生成基准上优于标准 SFT 及近期自适应微调方法，泛化提升尤为明显。
- 影响
- 给后训练提供更细粒度的监督信号，工程师可在不牺牲泛化的前提下引入推理策略。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CIG-SFT用任务条件信息增益重加权SFT，数学与代码基准优于标准SFT
- •指出模型兼容性不等于学习价值，弱支持token可能是错配也可能是关键决策
- •用冻结参考模型在有无任务输入下对比token似然，估计任务条件信息增益
- •将信息增益转为KL正则化的策略投影，导出等价的标量加权SFT目标
- •在数学推理与代码生成基准上优于标准SFT与近期自适应微调方法
- •泛化提升尤为明显
为什么重要：SFT仍是主流后训练手段，但token级监督权重长期靠启发式；用信息论量化「示范到底教了什么」为提升分布外泛化提供了更可解释的目标函数。
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。