待验证50% 置信事实精确时间

参数量 ≥3B 的模型通过 GRPO 训练生成的规则，可作为可迁移知识提升 GPT-4o-mini 的下游表现。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/15

首次发现

有效期至：2027/1/13

来源

强化学习让大模型学会心智推理：从感知到行动的规则学习

rss2026/10/14

涉及实体

GRPOmodel GPT-4o-minimodel

相关事实

待验证GPT-4o-mini通过知识蒸馏技术压缩模型规模，用大模型的输出作为软标签来训练小模型76% 相似待验证GPT-4等大模型在参数规模突破某一阈值后自发涌现出逻辑推理、代码生成等未经专门训练的能力，这一现象称为涌现能力74% 相似待验证GPT系列模型在训练时优化的是最大化预测准确率（即降低困惑度），因此其输出倾向于高概率的词语搭配73% 相似待验证基础模型指经过大规模数据预训练、能够支撑多种下游任务的通用模型，典型代表包括GPT系列及CLIP、GPT-4V等多模态模型73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1038138

API

curl https://kongchang.com/api/v1/knowledge/claims/1038138

MCP

get_claim(id=1038138)