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
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- 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