小红书AllSpark提出ROSS历史rollout重学习方法

2026年10月20日，小红书技术团队REDtech发布消息称，小红书AllSpark Team提出ROSS方法。该方法在原有强化学习或on-policy蒸馏训练结束后，从历史rollout中筛选成功轨迹，并审核其中可模仿的片段，保留完整上下文，只对选中的token进行SFT（监督微调）。报道将这一做法概括为“用选择性监督重学自生成rollout”。目前公开信息仅涉及方法提出与基本思路，后续实验与应用进展尚未见披露。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。