Today for AI
返回热点榜
llm热度 16.5°

AI 聚合热点事件 · 2026/10/30

Meta 研究揭示 RL 后训练致智能体重试能力下降

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/30 01:14:16
全景综述与最新动态
1 家信源交叉印证

Meta 最新论文指出，强化学习（RL）后训练虽能提升智能体首次尝试的成功率，但会显著降低其在多次重试场景下的最终解决能力。实验显示，在 WebShop 等基准测试中，基础模型在允许 128 次重试时的表现优于经过 RL 微调的模型，这种现象被称为“锐化税”（Sharpening Tax）。该发现挑战了 RL 普遍增强智能体能力的传统认知，建议开发者在选择具备重试机制的智能体模型时，应重点评估其长期覆盖率而非仅关注首试准确率。

最新动向/Meta 最新论文指出，强化学习（RL）后训练虽能提升智能体首次尝试的成功率，但会显著降低其在多次重试场景下的最终解决能力。实验显示，在 WebShop 等基准测试中，基础模型在允许 128 次重试时的表现优于经过 RL 微调的模型，这种现象被称为“锐化税”（Sharpening Tax）。该发现挑战了 RL 普遍增强智能体能力的传统认知，建议开发者在选择具备重试机制的智能体模型时，应重点评估其长期覆盖率而非仅关注首试准确率。

逐小时热度走势

3 个完整观测小时
当前
16.5
峰值
17.402:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·85 分

    Meta 研究揭示 RL 后训练致智能体重试能力下降

    原标题：New Meta paper finds Reinforcement learning post-training makes an agent better on its first attempt...

    • RL 后训练导致“锐化税”，即模型输出分布变窄，降低了通过多次尝试找到正确解的概率。
    • 在允许重试的场景下，基础模型（如 Gemma-4-31B）的最终成功率可能高于经过 RL 微调的同源模型。
    • 评估具备重试能力的智能体时，应关注“最终解决率”而非仅看“首次尝试准确率”。