待验证50% 置信事实精确时间

PPO等主流RL算法依赖rollout阶段采集的log概率来计算重要性采样比率，若推理与训练引擎的log-prob存在系统性偏差会导致策略梯度方差增大甚至训练发散

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

DeepSeek-V4 Flash RL训练成功迁移AMD MI355X GPU全解析

twitterlmsysorg2026/7/10

相关事实

待验证超大规模分布式训练中硬件故障概率随节点数量指数级上升，GPU 静默错误可能在数百步后才被发现，需从最近检查点重新训练67% 相似待验证研究人员通过n-gram重叠分析和成员推断攻击可判断特定数据是否出现在模型训练集中，但存在误报率偏高的局限67% 相似待验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减67% 相似待验证模型微调的真正难点在于高质量训练数据的构建与清洗、防止灾难性遗忘，以及量化后的推理部署67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/492346

API

curl https://kongchang.com/api/v1/knowledge/claims/492346

MCP

get_claim(id=492346)