Meta论文揭示RL后训练削弱多次尝试覆盖率
热点事件持续更新
Meta论文揭示RL后训练削弱多次尝试覆盖率
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月30日，X用户Rohan Paul (@rohanpaul_ai) 发布消息称，Meta一篇新论文发现，强化学习后训练让智能体首次尝试表现更好，但在最多128次尝试时更难最终找到解法。该消息称，研究在3个智能体基准上测试了14组基座与后训练模型，并构建了按难度调节温度的采样器PTGS；在WebShop上，gemma-4-31B基座模型128次内解决超过85%的任务，后训练版本为56%。上述内容均来自该条X消息的转述，论文原文细节及实验设置尚未见其他来源披露。
AI 根据报道生成 · 4 小时前更新
最新进展10月30日 01:14
Meta 论文发现强化学习后训练提升智能体首次尝试表现却降低多次尝试的解题覆盖报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Rohan PaulMeta 论文发现强化学习后训练提升智能体首次尝试表现却降低多次尝试的解题覆盖
Meta 一篇新论文发现，强化学习后训练让智能体首次尝试表现更好，但在最多 128 次尝试时更难最终找到解法。研究在 3 个智能体基准上测试 14 组基座与后训练模型，并构建了按难度调节温度的采样器 PTGS；在 WebShop 上，gemma-4-31B 基座模型 128 次内解决超过 85% 任务，后训练版本为 56%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月30日 02:00
- 近 24 小时变化
- –
02.557.510
02:0003:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。