RL 研究者提醒:评测成本本身决定 RL 能跑多大样本

jessi_cata · x · 2026-11-21

jessicata 在讨论 RL 训练时指出一个常被忽视的约束:测试本身的价格。有些能力可以验证,比如判断 AI 是否成功以给定 cross-entropy 完成一次预训练,但这类验证的代价极高,会直接限制 RL 可用的样本规模。

所属事件:RL 研究者提醒:评测成本决定 RL 可承受的样本规模(2 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →