500 美元 RL 微调的 9B 开源模型赢了前沿模型
ilreb · hn · 2026-07-28
一篇博客介绍了一项很有代表性的结果：只花 500 美元做 RL 微调的 9B 开源模型，在目录审核（catalog review）任务上击败了前沿模型。
这类结果的价值在于，它说明在特定企业任务里，小预算 + 任务定制优化 有可能显著缩小与大模型的差距，甚至直接反超。对面向业务流程的模型落地很有启发。
「研究」频道最新
- Goodfire 创始人挑战叠加假说：InceptionV1 多语义性或另有成因 — petrusenko_max · 2026-10-16
- UPenn 实验：让 Claude 批判自己默认想法,研究灵感产出提升最多 — arjunrajlab · 2026-10-16
- 实测 11 种提示策略催 LLM 创意：直接要「非显而易见」的点子最有效 — arjunrajlab · 2026-10-16
- 研究者长期实验：什么样的提示词能让 LLM 产出最有意思的点子？ — arjunrajlab · 2026-10-16
- SimpleMark 论文:多比特文本水印可将每 token 失真限制在预算内 — rishabh16_ · 2026-10-16
- 斯坦福新论文:生成式表征学习做 tokenizer,省 7-8 倍训练算力 — HirokatuKataoka · 2026-10-16