待验证50% 置信事实精确时间

当问题过于简单、模型几乎每次都能答对时，奖励信号趋于恒定，参数更新量接近零，训练实际上停止

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

Noam Brown警告：大模型可能撞上"能力天花板"

涉及实体

强化学习concept

相关事实

待验证训练样本末尾遗漏EOS token会导致模型无法学习何时停止生成，推理时陷入无限续写76% 相似待验证训练时不能一开始就追求快，若直接压步数模型容易陷入死循环反复生成重复字符，只做第一步的版本碰上难题会卡死，需先练准再练快75% 相似待验证仅靠增大模型规模或延长训练时长并不能自动解决难题被忽视的问题，根本原因在于信号本身的缺失74% 相似待验证越接近截止日的事件，在训练语料中占比越少，模型掌握得越模糊73% 相似待验证当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955144

API

curl https://kongchang.com/api/v1/knowledge/claims/955144

MCP

get_claim(id=955144)