待验证80% 置信事实时间未知
阿里团队发现强化学习训练不会导致模型其他能力下降，反而会带来全面协同提升，与传统微调中的灾难性遗忘问题形成对比
1
来源数
80%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
阿里QwQ-32B开源：32B参数如何媲美671B的DeepSeek R1
bilibiliAI大模型全栈
涉及实体
相关事实
待验证专项优化的AI模型在特定领域可能表现不及通用基础模型，这与深度学习中的灾难性遗忘现象有关77% 相似待验证样例学习效应表明对初学者而言学习已解决的例题比自主解题更有效71% 相似待验证推理模型幻觉率上升的根本原因是激励机制错位：强化学习训练使模型倾向于生成详尽、有说服力的思维链，人类评估者给予论述详尽的回答更高评分，即使其中包含事实性错误70% 相似待验证蒸馏训练的教师模型输出极少包含自我纠错示例，导致学生模型形成「强模型不犯错」的隐性信念，在校验失败时选择重复而非修正70% 相似已验证知识内化到模型参数的核心挑战在于灾难性遗忘（Catastrophic Forgetting）问题，这是持续学习领域尚未完全解决的难题70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/23199API
curl https://kongchang.com/api/v1/knowledge/claims/23199MCP
get_claim(id=23199)