为何 RL 难有 scaling laws：预训练优化 loss，开放式优化面向整个光锥
akbirthko · x · 2026-10-15
作者提出一个观点：强化学习难以形成类似预训练的 "scaling laws"，根本原因在于两者的优化对象不同——预训练只需要最小化损失（loss），而开放式最大化（open-ended maximization）的目标是「整个光锥」级别的开放后果，边界与度量都难以定义。配图为戴森球式科幻插图，呼应「光锥」的宇宙尺度隐喻。
「漫话AGI」频道最新
- AI 失业担忧之争:经济学家称「网上唱衰」不改变其先验,遭反驳 — paulnovosad · 2026-10-15
- METR 曲线换线性坐标：明年底 AI 将自主完成人类一个月的工作量 — flowersslop · 2026-10-15
- 盘点：前沿模型接连攻克数学物理化学等数十年未解难题 — IgorCarron · 2026-10-15
- 哈佛研究:53% 男性谎称认识虚构 AI 高管,比女性更爱吹 AI 水平 — Polymarket · 2026-10-15
- NYT 观点：AI 助政一年为新泽西多找到 10 万名漏发补贴儿童 — robseamans · 2026-10-15
- 访客记：Anthropic 称逼近模型自我改进，Claude 已主导 26% 内部模型研发 — robseamans · 2026-10-15