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
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27
- Meta FAIR 提出 Self-Direction:把 agent 失败变成 LoRA 技能,成功率提 13.8pp — karen_ullrich · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27