美国实验室更偏 RL，中文实验室更偏成功轨迹 SFT
goyalshaliniuk · x · 2026-07-22
这条帖子在讨论不同实验室的训练范式差异：
- 作者认为，美国 AI 实验室更常用 RL。
- 中文实验室更常用基于成功轨迹的 SFT，而且同样可以很有竞争力。
- 他把 Kimi K3 当作一个“软证据”，用来支撑这个判断。
这不是正式结论，但属于对推理模型训练路线的有信息量观察。
所属事件:中美推理模型训练路径分化与对齐新思路(5 条相关)→
「研究」频道最新
- MaP-WAM 用记忆驱动规划攻克非马尔可夫机器人操作难题 — Sizhe Zhao · 2026-09-11
- 负向自蒸馏：让模型靠避开错误推理学会更好的推理 — Rongcan Pei · 2026-09-11
- DeepMind 等论文：设计文档当真相源，代码改为可抛弃产物 — Roger_M_Taylor · 2026-09-11
- GameWorld 获 ECCV 2026 多模态数字代理研讨会最佳论文亚军 — MikeShou1 · 2026-09-11
- Yann LeCun 在 ECCV 直播开讲世界模型 — Weak_Assistance_5261 · 2026-09-11
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11