Kimi K3强化学习细节与推理预算控制曝光

近期讨论揭示了Kimi K3模型在强化学习与智能体奖励机制上的技术细节。K3并未更新底层RL算法，而是延续了K2.5的优良基础，其工具调用步骤与分数呈现高度对齐。此外，相关论文还介绍了加入冗长度预算的生成式奖励模型，以及一种能限制推理强度、节省计算token的RL预算控制新机制。

2026-07-28 ~ 2026-07-28 · 3 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