待验证50% 置信基准精确时间
一个4B模型经RPL训练后，性能超过了所有8B模型基线。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
强化学习让AI自主编写检索程序，4B模型超越8B基线
rss2026/10/17
涉及实体
相关事实
待验证在无污染基准上，经过训练的8B模型在创意效用指标上超过了Claude Opus 4.8和GPT-6 Astra。67% 相似待验证在所评估的合成设置下，DASA相比GRADMM提供3.6到4.9倍的加速，且峰值GPU显存占用相当66% 相似待验证叠加cv=5的5折交叉验证后，144种参数组合需训练144×5=720次模型65% 相似待验证在27B混合架构、4B稠密模型、36B MoE三类模型上以8k上下文测试，Prefill阶段性能无变化，Decode阶段打补丁后快约1.4%64% 相似已验证模型参数量越大，对量化的鲁棒性越强，使得70B级别模型在4-bit量化后仍能保持接近FP16的性能64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074707API
curl https://kongchang.com/api/v1/knowledge/claims/1074707MCP
get_claim(id=1074707)