研究：评测分高不等于对用户更好，RL教正确而非好用
jacobandreas · x · 2026-07-04
Jacob Andreas 转述的研究认为，更高的 benchmark 评测分数并不总是代表对用户更好的模型；研究者提出，强化学习（RL）让语言模型学会给出“正确”答案，但未必带来对用户真正更好用的结果。
「研究」频道最新
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27
- 一个问题追问多智能体分支如何随算力和模型规模变化 — iskander · 2026-07-27
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27