20 小时、2 亿 token 的任务让大规模后训练几乎不可行
nrehiew_ · x · 2026-09-03
作者论证长程任务可视为某种分布外评测的代理：当单个任务耗时 20 小时、消耗 2 亿 token 时，对其进行大规模后训练极其困难——需要面对基础设施噩梦与上下文压缩问题。这解释了为何此类任务能较好检验模型的真实泛化能力。
所属事件:FrontierSWE v2 发布：20 小时长程编码基准，Fable 5.1 领先超 24 个百分点(5 条相关)→
「Infra」频道最新
- 博通预告 AI 营收 FY2027 翻倍至 1150 亿美元,FY2028 再翻倍到 2300 亿 — BenBajarin · 2026-09-03
- Perplexity 开源本地推理引擎 Lily,专为 Apple Silicon 优化 Qwen3.6 — inductionheads · 2026-09-03
- Nvidia 市值占标普 500 约 8%,达美国 GDP 的 16.3% — ivan_bezdomny · 2026-09-03
- 博通 Q3 AI 芯片营收 167 亿美元同比暴涨 221%,Q4 指引 217 亿 — Beth_Kindig · 2026-09-03
- 评测称 Claude Fable 5.1 将 agent 失败率砍半，单次正确答案成本 2.46 美元 — ryanshrout · 2026-09-03
- 安全公司 Bitbison 深度复盘 eBPF 性能陷阱:hook、CO-RE 与 ring buffer 实践 — tianyin_xu · 2026-09-03