#GEAR

GEAR 这个新微调方法把 LoRA 动态秩问题做成了几何问题，参数只用三分之一，分数还涨了近 2 分，搞微调的可以看看。

这篇论文发现了LLM长上下文推理时爱复制原文的毛病，用GEAR奖励方法逼模型关注关键证据，效果立竿见影，适合做RL调优的参考。