待验证50% 置信事实精确时间

该团队观察到在其当前设置下，RL性能曲线尚未出现饱和迹象，扩大RL训练规模仍能带来可观测的改进。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/26

首次发现

有效期至：2026/11/9

来源

自建算力训练RL模型：性能未见饱和迹象

涉及实体

Twitter推文作者/团队company 强化学习(RL)concept

相关事实

待验证预训练缩放律遇到边际递减后，RL接棒续上了新的性能曲线80% 相似待验证近期研究表明RL（尤其是RLVR）并没有给模型注入大量新知识，而更像是激发和对齐预训练阶段已具备的能力78% 相似待验证RL阶段能显著提升pass@1，但对pass@k几乎没有影响，无论预训练规模如何70% 相似待验证高杠杆点会显著抬高训练集R²，却对样本外表现贡献甚微，从而让传统收缩公式高估预测能力。70% 相似待验证强化学习训练比监督学习更不稳定，将NVFP4激进量化引入RL训练会进一步放大固有不稳定性69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1099169

API

curl https://kongchang.com/api/v1/knowledge/claims/1099169

MCP

get_claim(id=1099169)