「OpenAI 探索最大化、Anthropic 利用最大化」：pass@k 训练策略之争
scaling01 · x · 2026-08-21
作者延续此前「OpenAI 在做探索最大化，Anthropic 在做利用最大化」的判断，并给出几点观察与推测：
- Anthropic 模型（从 Opus 4.7 起，一度有些过冲）正变得更具探索性；这种探索最大化主要与 RL 相关，而预训练决定 pass@k 性能的基础。
- OpenAI 的探索倾向部分可归因于 Sebastian Bubeck（2024 年 10 月加入，合成数据大师）；作者认为从 o3-mini 到 2026 年初能感觉到合成 Phi 模型数据的痕迹，之后明显改善，GPT-5.5/5.6 探索性略有收敛。
其引用的原推提出猜想：当 RL 训练算力趋于无穷时，推理模型的 pass@1 应逼近基座模型的 pass@inf（整条曲线抬升）；固定算力预算下两者的 pass@inf 差距源于 RL 环境质量——环境越好，越能捕获基座模型能力。
所属事件:pass@k 训练策略引热议：OpenAI 重探索 Anthropic 重利用(2 条相关)→
「模型」频道最新
- Gemma 模型下载量破 10 亿，社区应用覆盖水下至太空 — osanseviero · 2026-08-21
- 吐槽：用 GPT 构建 Docker 蓝牙音频总管遭拦截 — cargsl · 2026-08-21
- Kimi K3 在复杂表格 OCR 挑战中胜出 — Aron-One · 2026-08-21
- Meta发布Muse Spark 1.2：视觉转代码、机器人导航与视听理解 — AIatMeta · 2026-08-21
- Muse Spark 1.2 多模态能力评测表现强劲 — alexandr_wang · 2026-08-21
- AI 基准是有用还是坏掉了？ — sanmikoyejo · 2026-08-21