棋类测试床要回答学术界的学习与缩放难题
Pavel_Izmailov · x · 2026-07-21
作者认为，学术界可以通过简化测试床来回答一些关于学习、缩放规律、数据与训练方法的基础问题。
- 他们希望棋类测试床能成为这类简化环境中的一个代表。
- 另外，他们还在 OLMo 的自然语言数学推理任务上验证了部分发现。
- 结果显示，PT loss 依然能很好预测 RL 表现，而且随着 PT token 增加，关系斜率还会变得更强。
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
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27