Meta论文：RL后训练提升首试却削弱多次重试覆盖

Meta 发表论文称，强化学习后训练会让智能体首次尝试表现更好，但在最多 128 次尝试下更难最终找到解法。 该结论来自对 14 组基础模型与后训练模型、3 个智能体基准的对比测试，每项任务最多尝试 128 次。研究团队还提出 PTGS 采样器，对困难提示提高温度、对简单提示降低温度。 这一发现指向后训练带来的取舍：单次作答能力提升，并不等于多次重试的覆盖范围同步扩大。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。