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 Flash 技术报告流出：死磕 KV cache 压缩(44 条相关)→
「模型」频道最新
- 前 Google 研究员团队发布 Fern 0.1:专供审计数据、调试训练的模型 — bneyshabur · 2026-10-26
- Fern 0.1 智能体基准首秀:SWE-Bench Verified 73.4,与前沿模型仍有差距 — bneyshabur · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26