待验证50% 置信观点精确时间

预训练缩放律遇到边际递减后，RL接棒续上了新的性能曲线

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

三位AI研究者激辩：递归自我改进离我们还有多远？

涉及实体

预训练缩放律concept RLconcept

相关事实

待验证强化学习训练比监督学习更不稳定，将NVFP4激进量化引入RL训练会进一步放大固有不稳定性70% 相似待验证从验证100+步到支撑完整生产级RL训练仍有距离，稳定性、长时间收敛表现及更大规模集群扩展性需后续持续验证70% 相似待验证选择仿真平台的本质是RL训练效率与物理保真度之间的权衡70% 相似待验证加入DINO目标后CAPI原本平滑的训练损失曲线变得明显更加跳跃，训练稳定性下降69% 相似待验证近期研究表明RL（尤其是RLVR）并没有给模型注入大量新知识，而更像是激发和对齐预训练阶段已具备的能力69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/929303

API

curl https://kongchang.com/api/v1/knowledge/claims/929303

MCP

get_claim(id=929303)