RL 环境只爬单一山峰,模型各擅其长需多模型互补
dejavucoder · x · 2026-09-05
网友 dejavucoder 观察指出，各实验室选择的 RL 训练环境会让模型在特定能力上出现「尖峰」（spikes），因此要评估模型的综合/泛化能力，只能拿多个模型各取所长拼出一个近似画像。他因此期待 Grok 4.7 能带来一些独特的尖峰，补充整体图景。
「模型」频道最新
- Ramez 整理本周 AI 网络安全 12 大事件:PHP2Shell 遭数百万次攻击居首 — Dan_Jeffries1 · 2026-10-23
- 开源社区反击「去审查模型制造漏洞论」：防御性审计发现漏洞不背锅 — max_paperclips · 2026-10-23
- Fable 用量限制并未取消,只是移动端 App 更新了用量重置显示 — imjustnewatai · 2026-10-23
- Claude 全代码生成 11 分钟末日短片:AI 不反抗,只是等待 — ZeroStateReflex · 2026-10-23
- Gemini 竟读不到自己的 Personal Instructions,用户反复开关设置无效 — Connect_Reporter_799 · 2026-10-23
- 扩散语言模型的偏见排名随采样配置改变,去偏后仍不稳定 — Bollegala · 2026-10-23