探讨模型后训练：Persona 概念被低估，RL 重塑倾向
voooooogel · x · 2026-08-31
讨论指出 Persona (PSM) 概念模糊且低估了后训练潜力。更好的视角是将模型视为从 token 到上下文层面的倾向、癖好和偏好的集合，而强化学习 (RL) 则是对这一集合的推拉和重塑。
所属事件:研究者激辩「Persona」抽象与 RL 后训练究竟改变模型什么(6 条相关)→
「模型」频道最新
- 一条提示词生成 629 行深海潜艇游戏，IQuest-Q1 编码实测曝光 — Div_pradeep · 2026-10-16
- RLM 换用 Jev 子调用：1M token 下成本减半、速度快 6 倍 — lateinteraction · 2026-10-16
- 斯坦福用户称 OpenAI 合同期内将 ChatGPT Edu Pro 用量砍半 — DJiafei · 2026-10-16
- MiniCPM-V 4.7 上了手机:35B MoE 在 iPhone 上 3GB 内存跑出 13+ tokens/s — heyshrutimishra · 2026-10-16
- IQuest-Q1 单条提示 2 分钟写出 629 行深海潜艇游戏 — Div_pradeep · 2026-10-16
- 试用 Grok bot 却先收到 Cursor 欠费账单，两账户合并需先补款 — haydendevs · 2026-10-16