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
- Exponential 发布 RepoInject 与 BrowserInject 基准，测 prompt injection 防护 — maksym_andr · 2026-10-27
- Gemini 4.1 Flash 反常识:被要求控制思维链时反而更准 — dfrsrchtwts · 2026-10-27
- Redwood 研究:CoT 可控性评测严重欠激发,简单提示优化可提升 2-3 倍 — dfrsrchtwts · 2026-10-27
- 用 BeamZ 逆向设计光学系统跑通 MNIST 分类 — S_Conradi · 2026-10-27
- DeCert 框架无需参考答案评估生成式奖励模型的论证质量 — Guiquan Sun · 2026-10-27
- 新研究：VLM harness 同样是组合泛化器,可拆解复杂图像问题 — a1zhang · 2026-10-27