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
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 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