RL 会锐化简单题，也能挖出难题尾部解
Pavel_Izmailov · x · 2026-07-21
作者进一步分析了 RL 到底改变了策略什么。
- 在简单任务上，RL 主要是在把原本就不错的策略变得更“尖锐”。
- 在更难的任务上，RL 有时会发现原策略里概率极低的尾部解。
- 这说明 RL 不只是做微调，也可能挖出一些原本很少出现的潜在好解。
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