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
- 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
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11