待验证50% 置信事实精确时间

HybridRL训练阶段负责教会模型何时静默思考、何时落笔输出。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

8B智能体用隐空间推理在GAIA击败GPT-5.6 Luna，HLE却惨败

rss2026/10/19

涉及实体

HybridRLconcept HybridAgentmodel

相关事实

待验证HybridAgent 采用两阶段后训练流程：HybridSFT（混合监督微调）和 HybridRL（混合强化学习）。65% 相似待验证HybridRL 通过强化学习使模型学习模式切换策略，奖励信号通常来自任务完成质量与效率指标的组合，使模型在准确率和成本之间寻找平衡。63% 相似待验证Self-RAG 训练模型发出“反思 token”，让模型决定是否检索、判断段落相关性，并批判自己的答案是否被支持。60% 相似待验证预训练阶段模型通过自监督学习方式（通常是下一个 token 预测任务）在海量文本语料（通常达数万亿 token 规模）上进行训练58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1069593

API

curl https://kongchang.com/api/v1/knowledge/claims/1069593

MCP

get_claim(id=1069593)