# 仅偏置引导

该工作提出无标签的偏置-only测试时强化学习：冻结预训练主干，仅用多数投票伪标签作为奖励、只优化约10万个偏置参数（28层MLP的down_proj.bias），在MATH-500上Qwen2.5-7B达76.67%、Qwen2.5-Math-7B达79.50%，同一流程还改善视觉语言与音频推理，冻结后的偏置向量在4500道验证互斥MATH题上把Qwen2.5-7B从46.3%提升到70.9%、Qwen2.5-Math-7B从52.5%提升到75.4%，并从伪标签可靠性与可及梯度能量两方面解释受限子空间为何仍能有效适配。

该工作提出无标签的偏置-only测试时强化学习：冻结预训练主干，仅用多数投票伪标签作为奖励、只优化约10万个偏置参数（28层MLP的down_proj.bias），在MATH-500上Qwen2.5-7B达76.67%、Qwen2.5-Math-7B达79.50%，同一流程还改善视觉语言与音频推理，冻结后的偏置向量在4500道验证互斥MATH题上把Qwen2.5-7B从46.3%提升到70.9%、Qwen2.5-Math-7B从52.5%提升到75.4%，并从伪标签可靠性与可及梯度能量两方面解释受限子空间为何仍能有效适配。