Kimi 研究:只练 1465 个 PDF 任务,通用能力也翻倍
echen · x · 2026-09-30
一项新研究探索:在广为使用的前沿评测 GDP.pdf 的底层技能上做训练,模型是只学会「处理 PDF」,还是学到了更本质的东西?
研究者在 1,465 个 GDP.pdf 配套任务上对 Kimi K2.7 做后训练:
- GDP.pdf 成绩从 11.0% 提升到 24.5%;
- 在不含 PDF 的 GDPval 上,完整任务成功率翻倍以上,90% rubric 通过率提升 +13.2 个百分点——测试环境包含文件、工具、表格和最终交付物。
为什么能迁移? 轨迹分析显示:训练前的 Kimi 常抓到第一个看起来合理的来源就开始干活;训练后它会先环顾环境——这里有什么、什么重要、有没有遗漏。一个案例中,基础模型打开第一份周工时表就急着算月报(错误),训练后的模型先找齐全部四周再合并计算。
作者的解释框架:PDF 是一个微型的「证据环境」,好的专业 PDF 逼你搞清事实在哪一节、哪些图表重要、证据是否充分。训练让模型养成了先收集全部证据再行动的习惯,即使任务离开 PDF 依然保留。
所属事件:Kimi 研究:仅训 1465 个 PDF 任务即可大幅提升通用能力(2 条相关)→
「模型」频道最新
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16