前沿模型训练路线之争:直接喂论文答案,还是造环境从头复现?

ctjlewis · x · 2026-09-10

围绕「实验室是否该把前沿数学家的研究成果直接用于训练」的讨论中,ctjlewis 提出另一种思路:让 agent 直接访问我方与 Anthropic 的前沿研究作为参考材料,在训练中以「能否复现近期顶会论文」作为测试与强化信号。他认为给模型看论文只是「很懒的例子」,真正的路线应该是围绕问题构建环境、让模型从第一性原理复现——直接把答案喂给模型只是逐字抄解,造 envs 才是让能力内化的方式。这段讨论回应了 shaurizard 关于「直接训练 vs 给人类数学家用同样信息」的质疑。