**PPT:通过并行功率退火采样提升小模型推理能力**

_Explore Broadly, Reason Sharply: Push Small Models toward the Frontier via Sampling_

> 针对强化学习后训练成本高且泛化差的问题,研究提出并行功率退火(PPT)方法。该方法通过在不同锐化水平下运行多个交互副本,平衡探索与利用,解决功率锐化采样中的权衡难题。实验表明,PPT显著提升了单链采样性能,推理质量超越RL后训练模型,甚至接近前沿大模型水平。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.38104)