马斯克透露 Grok 4.8 进入 RL 阶段,主打「实用性最大化」不刷榜

XFreeze · x · 2026-11-19

马斯克详细谈到 Grok 4.8 的开发进展:模型已进入强化学习(RL)阶段,目标是「usefulness max」而非追求基准测试分数,他称刷榜是「愚者的差事」。

他以特斯拉 FSD 的方法类比:不去跑驾驶基准测试,而是追踪每一次人工干预,追溯到错误、偏差或缺失的源数据,修复后重新训练,目标是「零碰撞」而非某个正确率。

他还透露团队通过 Grok Bot 定期做「软发布」,用户实际体验到的可能是内部多个测试版本,以此收集「是否解决用户问题」的真实数据,形成持续改进的数据飞轮。

原文链接 →

「公司和人」频道最新

更多「公司和人」频道 AI 资讯 →