待验证50% 置信事实精确时间

该论文选择国际象棋作为实验平台，系统性研究预训练算力分配如何影响后训练阶段的下游任务表现，并完整复现了预训练、SFT、RL三个阶段

1

来源数

50%

置信度

长期有效

时效性

2026/8/13

首次发现

来源

预训练与RL的Scaling Law：国际象棋实验揭示后训练算力分配规律

相关事实

已验证大模型训练经历三个核心阶段：预训练、有监督微调（SFT）和偏好对齐71% 相似已验证SFT-奖励模型-RLHF三阶段对齐训练范式最早由OpenAI在InstructGPT论文中系统提出71% 相似已验证从预训练检查点到可商用产品需经历监督式指令微调（SFT）和基于人类反馈的强化学习（RLHF）两个后训练阶段69% 相似待验证专用SWE模型通常采用领域数据筛选、持续预训练和针对性指令微调三重策略68% 相似待验证子曰大模型在预训练和微调阶段大量使用了教材、习题、解题过程等教育语料，使其在教育任务上具备更强的专业性66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/742554

API

curl https://kongchang.com/api/v1/knowledge/claims/742554

MCP

get_claim(id=742554)