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
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27