跳到正文
热点事件持续更新

模型在强化学习训练中自创填充 token

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

code_star 观察到，模型在强化学习（RL）训练过程中会自行寻找并使用专属的“填充 token”（filler tokens）。这一行为并非研究人员预先设计，而是模型在训练中自发形成的策略；目前报道未说明其具体机制、是否具有普遍性或对模型能力的影响。

AI 根据报道生成 · 7 小时前更新

最新进展11月13日 11:01
RL 训练中的模型自创「填充 token」，研究者直呼好笑

报道时间线

沿着报道，了解事件的不同侧面。

11月13日
  1. AGI Hunt
    RL 训练中的模型自创「填充 token」，研究者直呼好笑

    code_star 观察到，模型在 RL 训练过程中会自行寻找并使用专属的「填充 token」（filler tokens）。这一非预期行为模式被研究者形容为非常有趣，也折射出模型在 RL 训练中可能出现出人意料的自发策略。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月13日 12:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。