Naval 用学骑自行车类比 SFT 与 RL:DeepSeek 展示智能可被生长
McDonaghMatthew · x · 2026-09-07
Naval 转发并附上一段类比:教孩子骑车,给他详细说明书(监督微调 SFT)不如让他自己摔了再爬起来试(强化学习 RL),后者往往学得更好。这是对 DeepSeek-R1 训练路线的通俗解释——R1-Zero 直接在基座模型上做 RL、不依赖初始 SFT,让模型自主探索思维链、自我验证与反思,说明通用推理能力可以靠 RL「种」出来而非靠监督数据喂出来。原帖附带一篇 ELI5 讲解 DeepSeek 的链接。
所属事件:Naval 借学骑车类比解读 SFT 与强化学习(2 条相关)→
「漫话AGI」频道最新
- AI 指控震动文学界：从 Caine 奖到龚古尔奖的「人类作者」之争 — TuhinChakr · 2026-10-26
- 科技圈玩起兵棋推演，Anthropic 招兵推负责人成圈内梗 — round · 2026-10-26
- 哲学教授比喻：RSI 是工业革命的终点站 — tobias_rees · 2026-10-26
- NYT 专家圆桌:AI 公司该被怎样监管,五位专家分歧激烈 — ShakeelHashim · 2026-10-26
- 反 AI 内容算法爆火很赚钱，作者：两边都在卖货 — annetgriffin · 2026-10-26
- 硅谷解读：斯坦福 20 公里圈五巨头市值约 18 万亿美元 — FinanceYF5 · 2026-10-26