RL靠验证器：智能体新机会
shaneguML · x · 2026-07-18
这条转发总结了一次 ICML 邀请报告的核心论点：**谁能把真实世界里混乱的结果变成可靠、可规模化的奖励信号，谁就能训练出基础模型单靠自身难以达到的能力**。 文中给出的关键例子是： - **编码智能体之所以突然变得可用**，部分原因在于代码天然带有“免费验证器”，比如编译器、类型检查器。 - 团队可以围绕这些验证器做强化学习，随着算力放大，能力会持续叠加。 - 作者认为，下一批独角兽会来自**给更复杂领域构建验证器**的创业公司。 - 还举了几个方向：用自动化实验室的物理拟合结果做评估、在大规模 RL 前先审计 LLM judge 的 rubric、在法律基准上训练开源模型等。