马斯克称 Grok 强化学习轨迹如受折磨

马斯克在审阅 Grok 强化学习训练日志后形容，部分推理轨迹「像一个被酷刑折磨到发疯的人」，或「像看着一个超级智能系统在极端压力下努力回答问题」。他解释，一些问题本身含糊，且人工标注答案可能出错，导致模型答对却被判错，进而产生混乱轨迹，并承诺今后对 RL 训练会更加谨慎。这是罕见的大厂负责人公开反思 RL 训练问题，引发社区热议。

2026-10-12 ~ 2026-10-13 · 3 条相关

• 马斯克谈 Grok RL 轨迹：像受酷刑逼疯的人，将更谨慎 — Singularitarian · 2026-10-12
• 马斯克：模型答对却被判错时，推理轨迹像被折磨到发疯 — ZeroStateReflex · 2026-10-12
• Musk 称审阅 Grok RL 日志如看超智能在高压下挣扎作答 — nikola_mr64990 · 2026-10-13