单纯延长 RL 周期或加剧能力参差
herbiebradley · x · 2026-08-29
Herbie Bradley 反驳称，如果在不改变预训练规模和数据的情况下，纯粹增加 RL 的长度/时间跨度，实际上会让模型能力变得更加“参差不齐”，而不是更平滑。对于持续学习，其有效性取决于具体方法，但由于 RL 存在样本效率低下的挑战，他对完全在线 RL 能否独立解决问题持怀疑态度。
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)→
「漫话AGI」频道最新
- 首次在野外发现恶意 AI agent 集群，竟来自腾讯评测团队 — chrisrohlf · 2026-10-16
- 马里兰大学哲学系招聘 AI 伦理与心灵哲学两教职 — sethlazar · 2026-10-16
- Dwarkesh 转述：Anthropic 内部预计 9 个月内 AI 比肩人类 AI 研究员 — ZeroStateReflex · 2026-10-16
- 密歇根学者：AI 向善项目为何失败，监管不能靠厂商自律 — benzevgreen · 2026-10-16
- Sara Dietschy 感叹：AI 模型、商业模式、团队、服务商，一切皆是对齐问题 — saranormous · 2026-10-16
- David Brin：LLM 缺乏进化产物中关键的「欲望」能力 — cccalum · 2026-10-16