Meta 论文提出「锐化税」：RL 后训练并未教会模型新技能

Meta 联合威斯康星、NYU、斯坦福等机构发布 arXiv 论文《Sharpening Tax in Post-Training》，挑战「RL 后训练能教会 agent 新技能（如工具调用）」的流行假设。论文提出「锐化税」概念：RL 后训练可提升首次尝试的成功率，但代价是收窄解题覆盖面——在多次尝试下的整体表现反而下降，即模型变得更「锋利」却牺牲了广度。

2026-10-30 ~ 2026-10-30 · 2 条相关

• Meta 论文:RL 后训练提升首次成功率,却收窄解题覆盖面 — rohanpaul_ai · 2026-10-30

另有 1 条近重复转述:rohanpaul_ai