Sharpening Tax 论文指出 RL 后训练主要缩小解空间而非教会新技能
RL 后训练到底是教会了新技能，还是主要“打磨”基础模型？ 一直是持续的争论。Sharpening Tax in Post-Training 这篇论文，证明了： 后训练模型：像一个被反复...
AI 导读
作者介绍 Sharpening Tax in Post-Training 论文对“RL 后训练是教会新技能还是打磨基础模型”争论的回答：后训练模型单次成功率高但解法固定，基础模型首次准确率低但多次尝试能试出更多不同的正确解法。