AIHOT公开聚合：原始报道发现·2026-10-02（按日期展示）· AI 评分47

Qwen2.5 单步梯度的不合理效率

The Unreasonable Efficiency of a Single Gradient Step

AI 导读

将 Qwen2.5-1.5B 的第一步梯度放大 1000x，在 MATH 上准确率达 66.7%，超过 500 步 RL 模型的 63.8%。作者称提升主要来自修复基座模型的重复循环：1,155 道被纠正题中，72.0% 的基座输出出现大量重复。