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。
「模型」频道最新
- 困惑度被指是能力「下限」指标而非万能预测器 — eliebakouch · 2026-11-23
- 爆料:OpenAI 内部模型困惑度已达 0.732,自动 AI 研究或于 2027 年 5 月解锁 — rickasaurus · 2026-11-23
- base model 困惑度指标开放共享的里程碑讨论 — eliebakouch · 2026-11-23
- 用户吐槽 ChatGPT 反复承诺「绝不违反品牌规范」令人抓狂 — chickefitz · 2026-11-23
- 医疗影像实测:开源 LingSante-3.1-air-VL 三项全能第一 — Dr_Alex_Crimi · 2026-11-23
- Teknium:若 Hermes 转闭源,他会自己 fork 继续做 — Teknium · 2026-11-23