V4.1 推理能力曲线非线性，Agent 团队模式用 RL 显式训练协作

nrehiew_ · x · 2026-09-11

nrehiew 继续 V4.1 技术报告解读:

• 推理性能曲线并非完全线性，原因存疑；他指出 FrontierCode 曾有代码质量惩罚项影响 Opus 5 xhigh，但这三个基准似乎没有类似惩罚
• Agent swarm 图表更平滑；报告称 Agent 团队模式用 RL 显式训练，奖励函数结合任务表现、鼓励委派与智能体间通信的「协作奖励」，以及促进高效协调的延迟惩罚

所属事件:DeepSeek V4.1 技术报告解读：RL 基建、沙箱与推理栈细节曝光(8 条相关)→

原文链接 →

「模型」频道最新

• ApprenticeBench 揭真实工作差距：闭源 72% vs 开源 Kimi K3 仅 18% — ysu_nlp · 2026-09-11
• CursorBench 4.0 上线：Muse Spark 1.3 性能追平 Sol，价格不到四成 — jyangballin · 2026-09-11
• 稀疏注意力可做多层级：DeepSeek V3.2 思路与搜索排序系统同构 — nptacek · 2026-09-11
• muse spark 1.3 在 CursorBench 4 上表现强且便宜 — infoxiao · 2026-09-11
• 用户盼 Haiku 3.5 回归：旧模型可被永久切断引不满 — repligate · 2026-09-11
• kalomaze:fable 5 部分问题出在后训练没做熟 — kalomaze · 2026-09-11

更多「模型」频道 AI 资讯 →