Meta论文：RL后训练提升首试准确率却缩小解法覆盖

Meta 发布论文称，强化学习后训练会让智能体首次尝试更准，但在最多 128 次尝试内找到解法的能力反而变差。该论文将这一现象称为“锐化税”（Sharpening Tax）。 这一结论针对的是智能体在多次尝试中寻找解法的能力，与首试准确率提升形成取舍；报道未说明实验的具体任务、模型规模或适用条件。

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。