kalomaze:fable 5 部分问题出在后训练没做熟
kalomaze · x · 2026-09-11
开源 RL 研究者 kalomaze 在讨论中表示,「fable 5」(社区对某前沿模型的代号)的部分问题只是后训练(ppo RL)做得不够熟。结合上下文,他引用 repligate 的观察:在 RL 过程大致恒定时,能力更强的模型受到的损伤相对更小——如果能直接一次解出问题,就不需要「琢磨评分器」,从而减少 reward hacking 式的扭曲。
「模型」频道最新
- GPT-6.1 Terra 控制真机器人胜过 Opus 5.5,较三月前提升 3.7 倍 — ycombinator · 2026-10-28
- Kimi 发布 K3.1 Pro：3T 级开源权重模型，100 万上下文幻觉降 65% — NVIDIAAI · 2026-10-28
- OpenSIR 自博弈框架：LLM 无需训练数据自学数学推理 — PMinervini · 2026-10-28
- Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
- Codex 后台任务一夜烧光 500 美元周额度外加 75000 credits — sethlazar · 2026-10-28
- 用 $TAO 两分钟上手开源模型：Bittensor 侧链 SN53 实测体验 — markjeffrey · 2026-10-28