把 9 小时训练任务塞进一次权重更新:自训模型改为每周日迭代
cephaloform · x · 2026-09-09
作者分享自己训练模型的节奏调整:从每晚更新改为每周更新,让模型在周日休息做权重更新。
核心考量是样本量:每晚约 1.2K 个任务级奖励,一周累计 7.2K(实际可能达 8-10K),相比原来一次更新只有约一个任务样本,梯度信息量大得多。作者不想让模型基于单一样本就改变某个领域的行为,因此特意把「9 小时长程 babysitting 训练」这类大规模任务凑齐放进同一次更新。
「研究」频道最新
- DriveZero：结合视觉基础模型与闭环强化学习的端到端自动驾驶 — Hao He · 2026-09-09
- AGENTSCOPE 论文:行为抽象+神经不变量诊断 agent 失败定位与归因 — rohanpaul_ai · 2026-09-09
- 微软清华论文:结构化运行视图让 GPT-5.1 定位 agent 失败从 3.6% 升至 31.4% — rohanpaul_ai · 2026-09-09
- OpenAI 万 agent 攻克纳维-斯托克斯难题:博客与论文原文链接 — TheTuringPost · 2026-09-09
- OpenAI:约万个 agent 花 88 小时给出纳维-斯托克斯千禧年难题候选证明 — TheTuringPost · 2026-09-09
- Michael Levin 最新讲座被认为是他迄今最易懂的智能本质分享 — cephaloform · 2026-09-09