研究提出「锐化税」：后训练磨利旧技能而非教新能力

Changdae Oh 等研究者（涉及 Meta）提出「Sharpening Tax」概念，探讨后训练究竟是让 LLM 学会新的智能体能力，还是仅强化已有技能。研究实证了「锐化假说」并给出修正：在智能体任务上，预训练模型配上轻量推理 harness 后，虽然 pass@1 远低于 RL 后训练版本，但在足够大的 K 下 pass@K 覆盖更高，说明 RL 后训练以牺牲覆盖多样性为代价换取单次准确率提升。

2026-10-02 ~ 2026-10-02 · 2 条相关

• Sharpening Tax:后训练或只是磨利旧技能而非教会新智能体能力 — SharonYixuanLi · 2026-10-02
• Meta 提出「锐化税」:RL 后训练以损失 pass@K 覆盖换单次准确率 — meta · 2026-10-02