OLMo 结果显示预训练 loss 仍能预测 RL 提升
Pavel_Izmailov · x · 2026-07-21
作者把前面的象棋结论扩展到了 OLMo 的自然语言数学推理任务。
核心发现：
- 预训练 loss 依然能强力预测后续 RL 表现。
- 随着预训练 token 增加，这种关系会变得 更陡、更强。
- RL 并不是均匀地改变策略：在简单任务上，它更像是在 把策略磨尖；而在更难的任务上，偶尔会挖出原策略里概率极低的 尾部解。
整体看，这说明预训练的质量与规模，不仅决定基础能力，也会影响模型后续能被 RL 提升到什么程度。
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