研究者批当前 RL 训练范式:token 效率压榨致可靠性拉胯
tokenbender · x · 2026-11-18
tokenbender 回应 tszzl「我不喜欢被广泛喜爱的 5.6 Sol,却喜欢开局就被骂的 6.2 Astra」:如果你们不想提升 ML 研究能力还能归为战略原因,但当前范式——swarm RL 思维叠加 token 效率压力——正让模型可靠性持续糟糕,还不断堆积决策与理解疲劳。
所属事件:tszzl 反主流口味:爱被骂的 6.2 Astra,不爱广受好评的 5.6 Sol(7 条相关)→
「模型」频道最新
- 微软开放 USB4 RDMA:多台迷你 PC 拼内存跑 Qwen3-235B — JFPuget · 2026-11-22
- 谷歌 AI Mode 开始设用量上限,用户意外弹出限流提示 — elvano124 · 2026-11-22
- Sol 6.2 开始拒绝逆向工程请求,6.1 却干了一个月 — cardak98 · 2026-11-22
- 一周大事:Anthropic IPO 募资约 810 亿美元,GPT-6.2 定价与 Qwen4-Max 齐发 — ksraj1001 · 2026-11-22
- Reddit 长文抨击:前沿 AI 是在模仿懒惰工程师的「庸才镜子」 — RossPeili · 2026-11-22
- MBZUAI 开源 29B 世界模型 PAN 2:权重代码已上 Hugging Face — LinusEkenstam · 2026-11-22