Sharpening Tax 论文实测:128 次尝试后,偶尔解出的任务从 87.6% 降到 30%

iScienceLuvr · x · 2026-10-02

Sharpening Tax 项目页与论文详情（Changdae Oh 等，工作完成于 Meta）。锐化假说：后训练放大基座模型已有行为，提高首试准确率的同时收窄解空间。Agent 是最有效的检验场景，因为它们需执行结构化动作、遵循工具接口并跨轮次保持连贯。实验覆盖 WebShop、BFCL、ACEBench 三个环境，测试 Gemma 4 31B、Qwen 2.5 32B、Qwen 3.5 35B-A3B、Ministral 3 14B 等模型对，500 任务、每任务 128 次推演：后训练后「偶尔能解出」的任务占比从 87.6% 降至 30.0%。改进方案 PTGS 在难 prompt 上多探索、简单 prompt 上保持精确。