Domingos 引新研究断言「强化学习基本没用」，引监督学习对比
pmddomingos · x · 2026-10-23
知名 AI 学者 Pedro Domingos 转发 svlevine 的发现并断言：「又有证据表明强化学习基本没用。」
被引用的研究显示：只要把若干关键细节做对，仅用以 advantage 为条件的监督学习来提取策略，就能在 RL 任务上取得 SOTA 结果——即「真正的 RL」可能被简单的监督学习范式替代，这是对 RL 经典范式的直接挑战。
「研究」频道最新
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23
- 作者用布尔逻辑造 LM:前向传播单线程仅需几微秒但训练极慢 — cephaloform · 2026-10-23
- AdaDex:几秒人手视频即可教灵巧手学会抓取、抛接等可泛化技能 — mangahomanga · 2026-10-23
- ReAPO 论文:RLVR 中让模型在失败后重试,推理成绩与训练效率双升 — jasondeanlee · 2026-10-23