待验证50% 置信事实精确时间
如果pass@16远高于pass@1，说明模型的概率分布中包含正确答案但未将其置于最高概率位置，这正是RL可以通过奖励信号发挥作用的空间
1
来源数
50%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证讨论者的共识是如果基座模型在pass@16上的成功率为0，RL几乎不可能凭空创造出新能力，但只要存在非零成功概率RL就能将其增强放大79% 相似待验证研究表明，即使能力相对较弱的模型，其pass@10或pass@20的表现往往能够接近强模型的pass@1水平65% 相似待验证Text Arena使用Bradley-Terry模型作为底层概率框架，模型A获胜的预期概率为1/(1+10^((Rb-Ra)/400))62% 相似待验证当大量用户使用相似prompt调用同一底层模型时，因底层权重和概率分布一致，输出的趋同几乎是数学上的必然62% 相似待验证小模型对数据分布更敏感，同样的数据补充量在4B模型上的边际效果往往比大模型更明显61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/873221API
curl https://kongchang.com/api/v1/knowledge/claims/873221MCP
get_claim(id=873221)