Kimi K3 复现强化学习研究并引入推理预算控制

近期社区围绕 Kimi K3 在强化学习（RL）领域的多项技术表现展开探讨。实验表明，K3 在复现 RLVR 论文时展现出严谨的研究特质，其工具调用步骤与分数高度对齐，且未盲目更改已有的优秀 RL 算法。此外，Kimi 引入了融合 rubric 打分与冗长度预算的智能体奖励模型（GRM），以应对不可验证的通用任务。同时，相关论文还提出了一种“推理预算控制”机制，通过冷启动模型估计问题难度来限制推理强度，从而有效节省 Token 消耗。

2026-07-28 ~ 2026-07-28 · 4 条相关

• k3 没改 RL 算法，工具调用步骤却几乎和分数 1:1 对齐 — stochasticchasm · 2026-07-28
• 论文提出 RL 预算控制，限制推理强度并节省 token — stochasticchasm · 2026-07-28
• Kimi 式智能体奖励模型加入 rubric 打分和冗长度预算 — stochasticchasm · 2026-07-28
• Kimi K3 复现 RLVR 研究结论且不乱下结论 — infoxiao · 2026-07-28