Kimi K3 曲线显示：RL FLOPs 越高，得分越高步数越少

prdeepakbabu · x · 2026-07-29

• 这条帖分享了 Kimi K3 论文里的训练曲线图：在 coding experience 任务上，随着 RL FLOPs 增加，得分持续上升，而中途开始 平均步数下降。
• 作者的解读是：模型可能从“探索阶段”转向了更高效的策略，或开始更善于利用训练目标，因此在更少步骤下取得更高分数。
• 但这种现象在其他任务域里并不明显，因此他怀疑原因可能是 优化空间有限，也可能是 课程安排（curriculum） 带来的混杂因素。

原文链接 →

「模型」频道最新

• 四个 Gemini 4 Argon 智能体27小时通关 Minecraft 击败末影龙 — robertarail · 2026-10-16
• Mistral 自夸 STEM 成绩,榜单里其实仅排第六 — MistralAI · 2026-10-16
• 本地部署实测:Gemma 4、Llama 3 与 Mistral 工具调用能力横评 — leslysandra · 2026-10-16
• 闲鱼5元Gemini 18个月Pro泛滥，用户自嘲成碳基“鉴AI师” — huangyun_122 · 2026-10-16
• 博主实测称 Opus 5.5 与 Astra 风格迥异：Astra 下限高、推理独一档 — haider1 · 2026-10-16
• Artificial Analysis 推出 Decision Index,评测决策模型新品类 — ArtificialAnlys · 2026-10-16

更多「模型」频道 AI 资讯 →