Meta论文称RL后训练存在“锐化税”
热点事件持续更新
Meta论文称RL后训练存在“锐化税”
2 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Meta Superintelligence Labs联合威斯康星大学、纽约大学和斯坦福大学发表论文《Sharpening Tax in Post-Training》，称强化学习后训练会提高模型首次解题成功率，却可能缩小多次尝试时的解题覆盖面。 团队在3个智能体基准上测试14对基础模型与后训练模型，每项任务最多尝试128次。WebShop实验中，gemma-4-31B基础模型可解决85%的任务，后训练版仅解决56%；42组模型与基准组合中有36组出现论文所称的“锐化税”。这表明后训练模型可能更擅长靠首次尝试答对，却减少了通过反复尝试解决更多题目的能力。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 01:14
Meta 等机构论文指出 RL 后训练提升首次成功率但收窄解题覆盖面报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AGI HuntMeta 等机构论文指出 RL 后训练提升首次成功率但收窄解题覆盖面
Meta Superintelligence Labs 联合威斯康星大学、NYU 和斯坦福发布《Sharpening Tax in Post-Training》，指出 RL 后训练提升 pass@1 的同时可能降低 pass@K。
- AGI HuntMeta 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。