研究发现：预训练损失可预测 RL 放大趋势
heghbalz · x · 2026-07-21
预训练损失可在非饱和区预测 RL 放大效应
这条线程给出的核心结论是：在非饱和区间，预训练损失可以预测固定 RL 计算量下的 post-RL pass@1。
- 作者拟合出一个局部对数线性规律。
- 奖励斜率与预训练 token 的对数近似线性增长。
- 附图展示了预训练指标与 RL 奖励斜率之间很强的相关性。
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
- 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
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27