根据DeepLearning.AI报道，研究人员提出了GAIN-RL微调方法，通过模型内部信号对训练数据进行排序，优先学习最有用的样本。在Qwen 2.5和Llama 3.2上的实验显示，GAIN-RL在70到80个周期内即可达到基线准确率，比传统方法快2.5倍，大幅降低训练成本并缩短开发迭代周期。这一高效方法为开发数学和代码领域的AI助手带来了切实的商业机会，有助于企业加速专用生成式AI产品的落地。（来源：DeepLearning.AI, The Batch, 2025年10月5日）