群內學習

深度分析

代幣梯度抵消機制於序列層級回饋的群內學習設計條件

稀疏回饋下群內比較是微調模型的主流方法。本文提出代幣梯度可交換性條件，並分析兩種破壞此性的機制，進而設計最小化轉換恢復抵消結構。實驗顯示此策略提升訓練穩定性與樣本效率，改善最終性能。