待验证50% 置信注意事项精确时间
在几百M参数的小模型规模上，GRPO这类强化学习方法可能并不适用，因为模型可能无法产生足够质量的正样本提供有效学习信号
1
来源数
50%
置信度
长期有效
时效性
2026/8/29
首次发现
来源
涉及实体
相关事实
待验证三个模型都未能通过GRPO阶段，GRPO让模型学算术虽有小幅进步但通用能力显著退化74% 相似待验证样本过于简单则模型无学习价值，过于困难则可能引入噪声学习信号干扰训练，最有效的学习发生在略高于当前能力但仍可企及的区域69% 相似待验证测试中约1-2B的小模型无法在大段系统提示词中准确定位并完成复杂工具调用任务67% 相似待验证When model parameter scale exceeds certain thresholds, capabilities spontaneously appear that were never explicitly required by the training objective, such as few-shot reasoning, code generation, and multi-step planning.67% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/819749API
curl https://kongchang.com/api/v1/knowledge/claims/819749MCP
get_claim(id=819749)