**ROSS：通过选择性监督从自生成轨迹中再学习**

_ROSS: Relearning from Self-Generated Rollouts through Selective Supervision_

> ROSS 提出一种从 LLM 自生成轨迹中进行选择性监督的方法，保留完整历史上下文但仅对选定的模型生成部分计算损失。该方法在数学、代码生成及软件工程等任务中显著提升了 Qwen3.6-35B-A3B 的性能，证明无需额外策略滚动即可通过离线 SFT 复用历史行为经验。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.35954)