样本调度 LLM-DailyDigest 2026-08-19 2026-08-19 约 100 字 预计阅读 1 分钟 样本调度 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 任务采样 1 Task-CoEvolve：自适应验证任务驱动的高效 Harness 优化 08-21 信用分配 1 S3AC：面向 LLM 推理的稳定、选择性、可扩展 Actor-Critic 10-27 动态调度 1 D³-MOPD：面向多教师蒸馏的自适应领域调度 08-28 地理课程 1 基于地理隔离的可扩展遥感自监督学习 08-22 强化学习后训练 1 OraRL：将标注作为视频 MLLM 的神谕轨迹 08-27 持续学习 1 Replay on Demand：按需回放平衡持续预训练中的适应与遗忘 10-01 数据策展 2 大语言模型数据策略：训练全生命周期统一视角 10-18 最难样本训练的可证明优势：仅保留 2N 个样本实现最优误差率 10-18 智能体训练 1 EnvSched：面向高效 Rollout 的环境感知智能体强化学习调度 10-29 模型微调 2 突破先验障碍：长尾分布下的监督微调 10-09 TailSFT：过滤式微调提升后训练性能 09-14 离策略强化学习 1 WarpSAC：面向不同数据规模的可扩展离策略强化学习 08-28 策略优化 4 CERO：强化学习后训练的 Rollout 时空预算分配 10-08 MaPP：面向数据高效 RLVR 的边缘化后验预测框架 09-30 腾讯混元将临界批大小理论扩展至大模型在线强化学习 09-25 ThinkPrior：RLVR 冷启动提示选择的零 Rollout 难度先验 09-09 联邦样本选择 1 低标注预算下的联邦主动学习协调 08-20 脚手架演化 1 StarHarness：以分层搜索演化企业智能体脚手架 08-26 自蒸馏 1 重新思考大语言模型的在策略蒸馏 II：单样本训练 09-07 课程学习 1 PAC：面向大模型多任务强化学习的进度增强优势课程 09-01 过滤式微调 1 TailSFT：过滤式微调提升强化学习后训练性能 08-27 采样控制 1 先测量再分配：MCP 智能体的校准式 Rollout 预算 10-22 间隔重复调度 1 SRT：面向语言模型持续预训练的间隔复习 08-19 难度增强 1 DASA：面向语义分割的难度感知自适应数据增强 08-27
