用 N-Queens 后训练验证模型能否学会回溯:可跨环境迁移的实验设计

HanchungLee · x · 2026-10-13

waterloointern 提出一个可检验争论的实验假设:在一个要求模型找出 N-Queens 所有合法解的环境中对模型做后训练,预期 rollout 会让模型学会算法化地实现回溯,并通过训练验证其显著提升;随后把模型放进未见的迷宫环境,对比基线与训练后表现。若两者相当甚至更差,则说明模型学到的不是可泛化的搜索能力。

Hanchung Lee 回应:这本质是 meta learning——模型可以学会在 rlm/dynamic workflows/优化中应用回溯,或在更大搜索空间上做 MCTS;真正的难点在于问题规格化与环境形式化,而非搜索本身。