Back to Home
RadarAI··Papers & Tech

Meta 论文提出 Sharpening Tax:RL 后训练提升首试准确率但缩小解法覆盖

中文摘要

Meta研究发现强化学习后训练虽提升首试准确率,却限制了AI在多次尝试下的解题覆盖范围。

English Summary

Meta research shows RL post-training boosts first-attempt accuracy but reduces the model's solution coverage over multiple attempts.

Original Excerpt

Meta 论文发现 RL 后训练让 Agent 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。