研究员激辩:LLM 推理能力到底是不是「纯粹堆 RL」涌现出来的
brianryhuang · x · 2026-09-25
Yoav Goldberg 提出困惑:当前 LLM 的推理轨迹好得令人无法理解,他不明白这些能力怎么能从 RL 训练中「涌现」出来——他的猜测是靠大量人工标注样例做 SFT,但不确定。brianryhuang 回应称,答案虽然智力上不令人满意,但确实就是把 RL scaling 推下去,是「简单」RL 训练的涌现。
所属事件:学者激辩前沿模型推理能力从何而来(12 条相关)→
「研究」频道最新
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- 形式化验证让 AI 编码更快：Lean 证明成为 agent 优化护栏 — bigdata · 2026-11-11
- 教授用纯 NumPy 从零搭建交互式神经网络教学笔记本 — GeostatsGuy · 2026-11-11
- 新 benchmark Continual-ARC:主流 agent 都学不会经验,9B 模型微调可以 — Med1_Ai · 2026-11-11
- Science 子刊：好的对话呈现'粉噪'式的语义波动模式 — _akpiper · 2026-11-11
- 研究：近半数 STEM 博士论文用 AI 写，仅 4.7% 主动披露 — paulnovosad · 2026-11-11