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
- 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