马斯克:如今很多 RL 只是合成数据的代名词

elonmusk · x · 2026-11-23

马斯克在回复网友时表示,现在很多所谓的「RL」(强化学习)实际上只是「制造合成数据」的暗语。这一说法暗示前沿模型的后训练流程中,RL 环节在很大程度上被用于规模化生成合成训练数据,而非纯粹的政策优化,引发对当前训练方法论叙事的讨论。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →