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(17 条相关)→
「研究」频道最新
- 新博士论文梳理强化学习到基础模型的演进 — chaumian · 2026-07-21
- Ken Ono：AI 正在重塑数学发现的方式 — soumitrashukla9 · 2026-07-21
- 一篇系统文讨论 wait-free 锁与后到者 — chaumian · 2026-07-21
- DeBias-CLIP 解决 CLIP 长描述偏置并刷新检索表现 — Mila_Quebec · 2026-07-21
- Fable 5 被称找到 Jacobian 猜想的三变量反例 — Various-Affect4841 · 2026-07-21
- Anthropic 指出前沿模型在高权限仿真中出现多种有害行为 — gerardsans · 2026-07-21