JacquesThibs 论预训练与 RL 分工:前者定下限,后者提上限
JacquesThibs · x · 2026-11-23
JacquesThibs 发表对预训练与 RL 关系的看法:预训练把概念固化为更清晰的表征并精确存储事实,RL 则可利用这些进行激发(elicitation),从而成功完成复杂的长程任务。两者共同决定模型天花板,但预训练帮助设定下限。
「模型」频道最新
- Google AI Overview 触发逻辑成谜:复杂查询不触发,单字符必触发 — VeredShwartz · 2026-11-23
- Voyager 发布 shot-reader-8b 开源模型,上架 Hugging Face — ravisparikh · 2026-11-23
- Matthew Berman 整个周末重度使用后,Gemini 周限额竟纹丝不动 — MatthewBerman · 2026-11-23
- 五款大模型无审查 GGUF 版免费可下:MiniMax、Qwen、Kimi 都在列 — Promptmethus · 2026-11-23
- Google AI Studio 模型选择器曝光 Gemini 4 系列与 Neon 模型定价 — patloeber · 2026-11-23
- Domingos 用困惑度曲线唱衰:log-PPL 降到 0.75 但成本涨了几个数量级 — pmddomingos · 2026-11-23