新论文笔记指出：预训练决定模型还能被 RL 推多远
tokenbender · x · 2026-07-21
这篇笔记解读了论文 “Understanding Reasoning from Pretraining to Post-Training”，核心观点是：随着训练规模变化，算力应该如何分配会发生转移。
- 在某个阶段之前，预训练 是最值得投入算力的部分；过了这个阶段后，RL token 的边际价值开始上升。
- SFT 会提升候选答案分布，而 RL 更像是在已有候选里放大胜者，两者作用机制不同。
- 两个参数量相近、当前分数也类似的模型，可能因为预训练路径不同，而拥有完全不同的 RL 可塑性。
作者因此认为，评估基座模型时不能只看当下能力，还要看它的未来可学习性。文中也提醒，论文大量实验基于国际象棋，迁移到语言任务只能部分验证；他们在数学预训练-RL 上做了复现，但场景仍不完全等价。
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