IXThinker·2025-06-23 13:20

DeepMind強化學習微調 縮窄知行差距

知識儲備不等於模型能力。大語言模型雖擁有驚人的世界知識，在決策場景卻常表現欠佳。研究提出強化學習微調RLFT，利用自我生成的推理鏈縮窄「知行差距」。

知行差距之謎

大語言模型的知識儲備遠超任何一個人類，思維鏈（CoT）能讓模型對觀察到的歷史與自身行動進行推理，提升與環境互動的表現，但實際決策中仍有落差。