待验证50% 置信事实精确时间

现有扩散模型RL方法依赖的平均场似然估计是有偏且高方差的

1

来源数

50%

置信度

长期有效

时效性

2026/9/16

首次发现

来源

DACA-GRPO：为扩散语言模型强化学习引入去噪感知信用分配

涉及实体

mean-field likelihood estimationconcept

相关事实

待验证LLM新模型的平均评估指标可能优于旧模型，但会在小众关键场景中出现退化72% 相似待验证2023年OpenAI的Gao等人发表了关于奖励模型过度优化的实证研究，发现随着RL优化步数增加，模型在真实人类评估中的表现呈倒U型曲线66% 相似待验证剩余8.5%的偏离在涉及数十亿样本时会被放大，微小系统性偏差可能导致模拟结论与现实显著分歧，因此这类仿真更适合趋势预测与相对比较而非绝对精确的数值预言65% 相似待验证靶向数据工程中，针对性数据占总微调数据的 5%-15% 通常能取得良好效果，过高比例可能导致模型在其他维度退化65% 相似已验证标准扩散模型往往需要20-50步生成64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/927924

API

curl https://kongchang.com/api/v1/knowledge/claims/927924

MCP

get_claim(id=927924)