LLM 裁判难点在细微判断，纯在线 RL 难解持续学习
herbiebradley · x · 2026-08-29
Herbie Bradley（EleutherAI 研究者）在讨论中回应两个技术问题。关于 LLM-as-judge 评估长任务，难点不在长度，而在裁判模型能否捕捉更细微的定性判断；这很大程度取决于预训练规模，以及数据覆盖的持续打磨。关于持续学习，取决于具体的 in-weight 方法，但 RL 的样本效率问题等挑战让他怀疑仅靠完全在线 RL 无法解决这一难题。
所属事件:S 曲线之争：AI 进步能否持续堆叠新范式(16 条相关)→
「研究」频道最新
- arXiv 机器人论文周产5年涨6倍,10月单周峰值达676篇 — Rewkang · 2026-10-15
- MicroSDF 论文：微表面驱动的混合神经 SDF 重构混合反射表面 — ssh4net · 2026-10-15
- KAUST 论文揭示「思维泄漏」:无思考模式 RL 增益只是旧能力回放 — kaust-generative-ai · 2026-10-15
- EPFL 提出 COMPASS:对齐/合并前先算模型配对兼容性 — epfl-ch · 2026-10-15
- BERT 分词器提速 50 倍：88% 时间耗在文本规范化上 — LysandreJik · 2026-10-15
- LLM 智能体自主设计 SAR ADC 芯片:SKY130 上从原理图到 signoff 无需人工 — IgorCarron · 2026-10-15