Naval 借学骑车类比解读 SFT 与强化学习

Naval 在 X 上转发 Matthew McDonagh 对 DeepSeek 训练方式的 ELI5 科普，并附上类比：教孩子骑自行车时，给一本详细说明书（监督微调 SFT）不如让他自己摔倒后爬起来反复尝试（强化学习 RL），后者往往学得更好。他以 DeepSeek-R1 的训练路线为例，强调智能可以通过 RL「生长」出来，该观点引发广泛共鸣。

2026-09-06 ~ 2026-09-07 · 2 条相关

• Naval 引用 DeepSeek 科普：教骑车用 SFT，学会骑车靠 RL — McDonaghMatthew · 2026-09-06
• Naval 用学骑自行车类比 SFT 与 RL:DeepSeek 展示智能可被生长 — McDonaghMatthew · 2026-09-07