Q* 号称在围棋 7x7 与 9x9 上被「解决」,RL scaling 迎来新打法
inductionheads · x · 2026-09-21
- 研究者 yifanzhang 发布论文,宣布「Q has been solved」,在 7x7 和 9x9 围棋上取得突破,并称这是「RL scaling 前沿」的开端。
- 方法为 KL-Regularized Policy Optimization for Critic-Free Agentic Reinforcement Learning(KL 正则化的无 critic 智能体强化学习策略优化)。
- 作者将其定位为 GPO、SPPO、RPG、BPO、Score Centering 等一系列工作之后的延续与收束,声称终于抵达 RL 科学与 Q 的「大结局」。
- 转发者表示震惊,认为其解锁了重要东西;具体实验细节需看论文原文,声明尚未被第三方复现验证。
所属事件:KLPO 发布宣称解决 Q*，自封终章遭群嘲(4 条相关)→
「模型」频道最新
- The Zvi 发起 Gemini 4 Carbon 反应讨论:这东西到底值不值得深挖 — TheZvi · 2026-11-12
- Walden 发布机器人模型 Sage：产线干预间隔提升超 4 倍 — adnothing · 2026-11-12
- Gemini 无法只存聊天记录又退出训练，Google 把两者绑成一个开关 — arshdeep · 2026-11-12
- Gemini 4 Carbon Flex 档每 token 价格已与 GPT 6.1 Terra 持平 — mariofilhoml · 2026-11-12
- 实测：Kimi K3.1 Pro 单任务成本仅 Opus 5.5 的 1/5.4，价目表差距只有 2 倍 — Arindam_1729 · 2026-11-12
- Claude Fable 5.2 登顶 Agent Arena,净提升超第二名 1.5 倍 — daniel_mac8 · 2026-11-12