「通过率为 0 就没法 RL」：蒸馏仍是关键一环
fleetwood___ · x · 2026-09-25
一场关于 RL 与蒸馏(SFT)孰轻孰重的争论：一方认为 2023-24 年能力提升主要靠 SFT，如今已是 2026，真正的引擎是 RL 环境；且 RL 是分担算力的好方式，尤其是用「灰产订阅账号」这种野路子。
fleetwood 反驳：如果 pass rate 为 0，模型根本没法做 RL——没有初始能力就没奖励信号，因此蒸馏绝对至关重要。
所属事件:RL通过率为零时无法训练，蒸馏仍不可或缺(2 条相关)→
「模型」频道最新
- 实测证明 RAG 分不清反义句,好模型不可替代 — galratner · 2026-09-25
- 用 Mistral 报税被多退 2 万美元？网友玩梗幻觉焦虑 — Rasmic · 2026-09-25
- 用户盛赞 Anthropic Opus 5.5:更聪明还便宜40%,配额都难用完 — altryne · 2026-09-25
- 业者指出：RL环境数据大量由闭源模型批量生成而非人工标注 — xeophon · 2026-09-25
- 实测称 Opus 5.5 让 Codex 转投用户回流 Claude,价格约为 Fable 四折 — every · 2026-09-25
- 博主表态:模型路由器是合理的方向 — Rasmic · 2026-09-25