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(18 条相关)→
「研究」频道最新
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27