🎯 情报来源：量子位
清华大学与英伟达、斯坦福大学联合提出了一种新的监督学习方案——NFT（Negative-aware FineTuning），通过引入“隐式负向策略”来利用负向数据优化正向模型。这一方法不仅弥合了监督学习和强化学习的差距，还在大模型中表现出显著优势。
NFT在Qwen-7B模型上实现了最高的数学平均成绩，并且在32B模型中性能与主流强化学习算法DAPO基本持平。研究团队发现，模型规模越大，NFT相较于传统监督学习的优势越明显。
核心要点：
- NFT通过隐式负向策略直接优化正向模型，其损失函数梯度与GRPO在On-Policy条件下等价。
- 在Qwen-7B模型上，NFT达到最高数学平均成绩；在32B模型中，NFT性能与DAPO持平。
- NFT不依赖任何外界数据，可大幅提高数学能力，同时增加模型熵以鼓励探索。
📌 情报分析
技术价值：极高
NFT通过理论推导证明了监督学习和强化学习的深层联系，并提出了一种全新的隐式负向策略建模方法，使得纯监督学习框架下实现强化学习效果成为可能。
商业价值：高
该技术无需额外数据即可大幅提升模型性能，尤其适用于资源受限场景下的大模型优化，具有较高的商业化潜力。
趋势预测：
未来3-6个月内，NFT可能会引发学术界对监督学习与强化学习关系的进一步探讨，同时推动更多基于负向数据优化的研究方向。