arXiv ID:
2604.01499
arXiv 提交日期: 2026-04-02
匹配的准确度,不同的几何:大语言模型后训练中的进化策略与GRPO对比 / Matching Accuracy, Different Geometry: Evolution Strategies vs GRPO in LLM Post-Training
1️⃣ 一句话总结
这篇论文发现,虽然进化策略和基于梯度的强化学习方法在微调大语言模型时能达到相似的任务准确度,但它们在模型参数空间中的更新方式截然不同,前者更新幅度更大、更分散,而后者则更精细、更集中,这为模型的知识保留和遗忘问题提供了新的见解。