RLHF 研究者 Nat Lambert:RL 正在「烤干」模型多样性

natolambert · x · 2026-11-23

Hugging Face 研究者 Nathan Lambert 在回应对 RL 训练的讨论时表示认同:「RL 正在把它们烤干,降低多样性」——指强化学习后训练可能收敛模型输出分布,牺牲行为与风格多样性。这是对当前后训练范式副作用的一个值得关注的判断。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →