训练方法

到35B规模，SAGE在这四项指标中均居所列后训练方法之首，其中BBH-H为69.07%，ARC-C为66.41%。

在12个基准、7个模型家族的评测中，SAGE的总体表现优于所比较的后训练方法；

基于这一分析，SAGE提出一套结构引导的后训练方法：代数稀疏化根据尚未解决的残差调整候选步骤的采样，双曲结构引导根据状态与目标的距离为推理前缀提供反馈，并将两种信号用于策略更新。

在今年6月发表于《美国国家科学院院刊》（PNAS）的一项研究中，道尔博士与澳洲、加拿大和苏格兰的同事测试了一种新的训练方法。

这篇“论文”必须包含研究动机、相关工作、训练方法、数据来源和实验参数，并至少引用5项相关研究。