NeurIPS 论文颠覆「RL 泛化、SFT 死记」:SFT 数据配齐可反超 RL

kastnerkyle · x · 2026-11-17

一篇 NeurIPS 2026 论文《Rethinking "RL Generalizes, SFT Memorizes": The Role of SFT Data》(NUS/耶鲁/Cisco Foundation AI,arXiv:2611.14912)指出此前共识可能是不公平比较的产物:

作者感慨:自 DeepSeek-R1 发布以来,大家都把「RL 泛化、SFT 死记」当福音,SFT 出域推理不达标就怪算法——其实是数据没给够。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →