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
- EdgeRock 开源：256K 上下文 KV cache 仅 72 MiB，比 Qwen3.5-4B 小 99.1% — alifcoder · 2026-10-27
- EdgeRock-4B KV cache 256K 上下文仅 72 MiB,比 Qwen3.5-4B 小 99.1% — alifcoder · 2026-10-27
- TRL 上线 Score Centering：直击 RL 训练不稳定的根因 — lvwerra · 2026-10-27
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27