联合缩放律把 RL 表现连到模型规模和预训练 token
Pavel_Izmailov · x · 2026-07-21
论文提出了一个联合缩放律，用 模型规模 N、PT tokens T 和 RL 算力 C 来预测 RL 表现。
- 在高算力区域，RL 表现可以很好地由 PT loss 预测。
- RL 提升的斜率与 PT tokens 的关系接近对数线性。
- 图中展示了 36 组不同规模、token 与 RL 算力的扫描结果：更多 PT 会提升 pass@1 的斜率，也会提高最终性能。
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