牛津学者 Toby Ord：RL 算力翻万倍才推升基准成绩

牛津学者 Toby Ord 在与 Ramez、Ben Todd 等人关于 RL 算力扩展（RLcompute）与任务时长（horizon）关系的讨论中，提出了一组理论论证，核心结论是：模型可完成的任务时长可能随有效 RL 算力呈指数级增长。

已确认

• ECI（Extended Capability Index）对每个 benchmark 先做逆 logistic 变换，把概率上的 S 形（logistic）增长拉直成线性增长，这是该指标的数学构造，Ord 对此做了明确解释。
• Ord 指出 benchmark 得分（百分比）本质上是随机任务的成功概率，可改写为成功几率（odds）来分析；当成功率随时间呈 logistic 增长时，用 odds 表述则意味着 odds 在指数级上升。
• 由此他推导：ECI 的线性增长对应指数增长的能力，任务时长表现类似恒定风险率（hazard rate）的扩展过程，即 horizon 相对有效算力（或时间）呈指数扩展。
• 他还回应了针对 ECI 的质疑：批评者认为对数/逆 logistic 变换让逻辑斯蒂增长「显得像线性」，从而可能夸大趋势；Ord 的回应是，这一变换在数学上是分析 logistic 曲线的自然方式，用 odds 视角看增长确实是指数型的。

尚未确认

• horizon 随 RL 算力指数扩展是从指标数学性质推出的理论论证，是否在实际 benchmark 数据上成立仍有待经验验证，讨论中也存在对 ECI 变换可能扭曲趋势判断的质疑。

为什么重要

• 如果任务时长确实随 RL 算力指数增长，意味着 AI 可自主完成的连续任务长度会比线性预期快得多，对 AI 能力预测与安全规划都有直接影响；同时这场讨论也凸显了 ECI 这类聚合指标的方法论争议——变换方式的选择本身就可能影响人们对能力增长速度的判断。

2026-11-14 ~ 2026-11-14 · 17 条相关

• 牛津学者 Toby Ord 推演 RL 算力与任务时长长度的幂律关系 — tobyordoxford · 2026-11-14
• 【源头】Toby Ord 提出理论论证：任务时长或随 RL 算力呈指数扩展 — tobyordoxford · 2026-11-14
• Toby Ord 用几率视角论证：模型能力时间跨度或随 ECI 指数增长 — tobyordoxford · 2026-11-14
• 【源头】Toby Ord：基准成功率若呈 logistic 增长，则胜算随时间指数提升 — tobyordoxford · 2026-11-14
• ECI 基准指标遭质疑：对数变换让逻辑斯蒂增长显得像线性 — tobyordoxford · 2026-11-14
• 【源头】ECI 线性增长对应指数增长：模型任务时长呈恒定风险率 — tobyordoxford · 2026-11-14
• Toby Ord 推导 AI 任务时长：连续成功次数期望恰等于成功赔率 — tobyordoxford · 2026-11-14
• 哲学家 Toby Ord:Elo 线性增长,胜率实为指数增长 — tobyordoxford · 2026-11-14
• Toby Ord：Elo 与胜率是对数关系，ECI 同理可类比 — tobyordoxford · 2026-11-14
• DeepMind 研究员科普：ECI 与基准成功率是对数换算关系 — tobyordoxford · 2026-11-14
• 牛津研究员 Toby Ord 绘制算力-能力 logistic 曲线引热议 — tobyordoxford · 2026-11-14
• Toby Ord 推演：任务成功率随 log(compute) 呈指数增长 — tobyordoxford · 2026-11-14
• RL/推理/预训练算力斜率不同，对应不同幂律指数 — tobyordoxford · 2026-11-14
• Toby Ord 初步测算：RL、推理与预训练算力的 scaling 指数各不相同 — tobyordoxford · 2026-11-14
• Toby Ord 实测：RL 算力翻万倍才能把推理基准从 20% 提到 80% — tobyordoxford · 2026-11-14
• 牛津学者估算：预训练算力回报指数约 0.9，推理算力约 0.6 — tobyordoxford · 2026-11-14

另有 1 条近重复转述:tobyordoxford