马斯克：Grok 4.7 再等几天，RL 惩罚回复长度致任务提前放弃
inductionheads · x · 2026-09-12
马斯克在 X 上表示，Grok 4.7 还需要几天时间打磨。他透露一个训练细节：团队可能在强化学习中对回复长度惩罚过重，导致模型在困难任务上容易过早放弃（尽管它其实能完成），并且在自查工作时的严谨性还不够。这是厂商高管对自家模型 RL 训练权衡的罕见表态，值得等正式发布后对照验证。
所属事件:马斯克确认 Grok 4.7 推迟数日，自曝 RL 训练惩罚过重(7 条相关)→
「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