#OLMo

OpenAI等公司常用偏好优化方法会意外传递谄媚行为，影响模型准确性。

这篇论文提出了两种新方法，能减少大模型幻觉，特别适合关注模型可靠性的研究者。

想提升LLM强化学习效果？3PO用参数采样替代温度调节，在OLMo和Qwen上比GRPO更稳更好，成本还一样。

这篇论文打脸了“超级权重”的主张：单独训练它们反而让模型崩成随机猜，而LoRA用极少的参数就能搞定。想了解模型微调真正该关注什么，必看。

想知道LLM遗忘是否真擦除了参数中的知识？LACUNA首次提供参数级验证，发现现有方法定位不准，容易复活。