arXiv · cs.AI · Yining Wei, Tianyuan Wu, Gu Gong, Yuechen Tao, Yinghao Yu, Xiaowen Chu, Wei Wang · 5 小时前模型评分42
FourSight：通过序列过滤与稀疏通道补偿实现稳定的 FP4 强化学习后训练
FourSight: Stable FP4 RL Post-Training via Sequence Filtering and Sparse Channel Compensation
导读
FourSight 提出一种算法与系统协同设计方法，解决 NVFP4 量化引入强化学习后训练导致的 rollout 质量下降和跨引擎训练-推理不匹配（TIM，Training-Inference Mismatch）问题。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：compute-hardware，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Guided by this, we present FourSight, an algorithm-system co-design with two targeted solutions: TIM-aware sequence filtering that excludes drifted trajectories from policy updates, and sparse precision compensation that keeps only top-variance channels in BF16 while retaining native NVFP4 elsewhere.”
来源：arXiv · cs.AI · arxiv.org