待验证50% 置信事实精确时间

RLM 的约束机制包括：stdout 超过 1000 字符转为句柄、子调用被锁定在 Flash 模型、每个子调用 120 秒超时、默认 max_tokens 4096、单次 RPC 批次最多 16 个 prompt、递归深度耗尽后降级为普通 LLM 补全

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/11

首次发现

有效期至：2027/1/9

来源

元能力：让代码替大模型思考——CodeSmith的RLM设计解析

涉及实体

相关事实

待验证RLHF微调阶段相比预训练在数据量级上通常小2-3个数量级，使安全行为编码为低秩覆写而非底层重塑64% 相似待验证RLM 方案的权衡是每一轮写代码再执行的延迟和 token 开销都远高于直接推理63% 相似待验证warm-start的R=4读取器带来微小的整体LM损失改善，但引入了代码和数学任务的退化，因此作者最终保留R=160% 相似待验证在端侧场景下，编码器的参数量直接关系到功耗与延迟，参数越多占用DRAM越大，能耗与响应速度都会受牵连60% 相似待验证RLCD的奖励归一化机制将带噪声的得分函数项放大了3.6到15倍，是其性能差距的主要原因59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997776

API

curl https://kongchang.com/api/v1/knowledge/claims/997776

MCP

get_claim(id=997776)