★ 2FAER：可审计的效用对齐轨迹回放论文形式化回放选择中的「选择-学习鸿沟」，提出FAER可审计全轨迹回放框架，其FAER-UTILITY选择器基于学习者效用拟合。在GSM8K与Qwen2.5-1.5B-Instruct上，FAER-UTILITY达到0.6624质量分，优于固定选择器的0.6329。研究还发现格式反馈选出的记录正确…arXiv cs.LG31 天前