新论文追踪 LLM 从预训练到后训练的推理形成
gerardsans · x · 2026-07-21
- 这篇论文研究了 LLM 从预训练到后训练 的完整训练流水线。
- 作者找到了一个 联合 scaling law，并据此讨论计算资源应该如何在不同阶段分配。
- 论文还分析了 RL 到底在策略层面做了什么，试图把训练决策和最终模型行为联系起来。
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
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27