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

• 今日AI圈速览：DeepSeek周末半价、GPT-5.6 Sol降价、阿里配售800亿投AI — APPSO · 2026-08-24
• 隐身模型 Ox Alpha 登场 Context Arena，匹配 GPT-5.6 — scaling01 · 2026-08-24
• Fable 5 仅占 6% 销量，Anthropic 遭遇降本冲击 — rohanpaul_ai · 2026-08-24
• Opus 5 说话像法庭剧？如何调教掉废话 — thk_ · 2026-08-24
• 2026 年中国模型全景：DeepSeek V4、Kimi K3 等在列 — TheTuringPost · 2026-08-24
• 传闻 Claude Opus 6 泄露：上下文 250 万，推理更强 — iamaliveix · 2026-08-24

更多「模型」频道 AI 资讯 →