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)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →