长文称 LLM 能力主要仍来自模仿学习而非 RLVR
burny_tech · x · 2026-07-25
LLM 的核心能力仍主要来自模仿学习
这篇长文的核心判断是：当前大模型的主要能力来源，仍然是模仿学习，也就是预训练和 SFT，而不是最近很热的 RLVR 或其他强化学习方法。
文章主张
作者先把讨论从“RLVR 很火”往后拉一步，强调如果看一个最终训练完成的 LLM，它之所以会做出那些很强的任务表现，根本上还是因为学到了大量人类/数据分布中的模式，而不是强化学习本身贡献了大头。
为什么这件事重要
文章认为这个判断会影响我们怎么看：
- LLM 能力究竟从哪里来
- 训练资源应该怎么分配
- 未来真正重要的改进方向是什么
所属事件:Byrnes称LLM核心能力仍来自模仿学习(2 条相关)→
「研究」频道最新
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27
- 被称最佳 LoRA 讲解视频：从几何直觉讲到任务内在维度 — sophiamyang · 2026-10-27
- 不改一个权重，机器人精度任务从 0/10 提到 9/10 — hbouammar · 2026-10-27