论文称RL未教LLM新策略，千分之一算力可复现收益

一篇arXiv论文指出，用于推理的强化学习并未教给LLM新的推理策略，只是重新分配基础模型已有解决方案的概率，改动非常稀疏，仅涉及1-3%的token且集中在高熵决策点。研究团队无需使用RL也复现了同等收益，计算成本约为原来的千分之一，引发对RL训练效率的重新审视。

2026-08-16 ~ 2026-08-16 · 4 条相关

• 论文称推理 RL 仅改 1-3% Token 且无需千倍算力复现 — juanviera23 · 2026-08-16
• 论文揭示 RL 未教推理新策略，新法成本降千倍 — mark_k · 2026-08-16
• Rethinking RL 论文：基于熵稀疏的推理优化新视角 — mark_k · 2026-08-16

另有 1 条近重复转述:mark_k