RL 扩展指数推算补充:约为经验法则预测值的两倍
tobyordoxford · x · 2026-11-09
Toby Ord 补充:按他此前推算的 RL 指数约 0.3,大约是「RL 指数为预训练 1/3」这一粗略经验法则所得结果的两倍,提示 RL 后训练的算力收益可能比简单外推更高。
所属事件:牛津学者激辩RL算力与AI任务时长的幂律关系(10 条相关)→
「研究」频道最新
- 30 余位作者合著 tokenization 综述，梳理子词切分的优势与缺陷 — rdesh26 · 2026-11-09
- 不用 8 张 GPU：六个动手步骤搞懂 Transformer 原理 — cneuralnetwork · 2026-11-09
- 布朗大学 SwarmEvolve：450 个 Agent 潜空间通信，程序搜索快 5-13 倍 — aigclink · 2026-11-09
- 字节 Seed 提出 Hierarchical Residuals：解耦残差宽度与计算宽度提升训练效率 — ByteDance-Seed · 2026-11-09
- 论文：与 AI 智能体的互动是双向的，会深刻重塑人类自身 — AnnaCiaunica · 2026-11-09
- 最强 3D 生成模型仍反复犯三类低级错误：Z-fighting、单面几何、坐标系错位 — teortaxesTex · 2026-11-09