算力越高，最优分配越从预训练转向 RL
Pavel_Izmailov · x · 2026-07-21
论文指出，在给定总算力下，预训练和 RL 的最优分配会随着预算变化而改变。
- 当总算力较低时，应该优先把更多 FLOPs 花在预训练上。
- 随着总预算变大，最优策略会逐步向更多 RL 倾斜。
- 作者还搜索了模型规模、PT tokens 与 RL 算力的最优组合。
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