Meta 论文提出「锐化税」：RL 后训练并未教会模型新技能

Meta 联合威斯康星、NYU、斯坦福等机构发布 arXiv 论文《Sharpening Tax in Post-Training》，提出 RL 后训练存在「锐化税」。该过程可提升模型首次尝试的成功率，却会收窄解题覆盖面，使其在多次尝试下的整体表现下降，模型因此变得更「锋利」但牺牲广度。