研究者用棋类测试床拆解预训练、SFT 与 RL 算力分配
Pavel_Izmailov · x · 2026-07-21
这项工作提出了一个基于棋类的测试床，用来研究 预训练、SFT 和 RL 之间的算力该如何分配。
- 它模拟了典型 LLM 流程：先用人类棋局做预训练，再用合成推理轨迹做 SFT，最后在棋类谜题上做 RL。
- 研究目标是在可控算力预算下，分析从 pretraining 到 post-training 的缩放规律。
- 这个设定使作者能够检验：PT loss 是否能预测后续 RL 表现，以及随着规模增长，算力分配应该如何变化。
所属事件:新研究提出预训练与RL联合缩放律(18 条相关)→
「研究」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11