RL 让 AI 数学证明越来越难读:正确性奖励脱离人类表达分布
burny_tech · x · 2026-11-21
一个值得注意的模型行为观察:强化学习使 AI 生成的数学证明「极难阅读」——因为 RL 不再那么受人类表达分布约束,而是主要由正确性奖励驱动。模型只要证明正确就能拿分,无需写得让人类看得舒服,这正在改变 AI 数学输出的可读性。
「模型」频道最新
- MaxxBench 横评:Muse Ember 63.5 分仅 $0.18,性价比碾压一众大模型 — AIatMeta · 2026-11-21
- Thinking Machines 开源 Inkling 2 Mini:循环 Transformer,20GB 内存可跑 — mark_k · 2026-11-21
- Thinking Machines 的 Inkling-2-Mini 冲上 Hugging Face 热榜 — thinkingmachines · 2026-11-21
- Inkling 2 Mini 跑在 Mac mini 上:26.4B 参数仅激活 3.4B — simonguozirui · 2026-11-21
- dottxt 工具调用周报:GLM 5.3 Flash 失败率升至 2.3%,日调用量破亿 — remilouf · 2026-11-21
- MaxxBench 实测:编码选 DeepSeek 更值,性价新秀 Muse Ember 上位 — shuchaobi · 2026-11-21