跳转至

Read this paper write-up in English

Sharpening Tax in Post-Training

复现级别：L1 核心机制诊断。 执行固定预算覆盖差指标；不运行 Meta 模型或 Agent 环境。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 Meta Superintelligence Labs / University of Wisconsin–Madison（按第一作者署名单位）
首次公开日期 2026-10-01（arXiv v1）
原文开源代码 是：https://github.com/changdaeoh/sharpening-tax
Adapter sharpening-tax
本地复现代码 src/auto_research/post_training/latest_20261003.py

原始论文总结

背景与主要改动

比较 base 与后训练策略在固定采样预算下的任务覆盖；再用 posterior-tempered group sampling 按估计难度调温，兼顾 pass@1 与覆盖率。

flowchart LR
  I[输入与当前状态] --> M[sharpening-tax 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

Sharpening Tax in Post-Training 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(Tax_K=Coverage_K(base)-Coverage_K(post)\)。

论文离线与线上效果

14 对 checkpoint、3 个 Agent benchmark 中税普遍存在；PTGS 同时改善单次准确率和覆盖。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行固定预算覆盖差指标；不运行 Meta 模型或 Agent 环境。