IXThinker·2025-10-23 16:00

新框架DELTA驗證強化學習可激發全新推理

強化學習能否賦予模型超越基座模型的推理能力，是AI研究圈的核心爭論。UC Berkeley、華盛頓大學、AI2等機構的聯合團隊構建測試框架DELTA，觀察到從零獎勵到接近100%的突破式躍遷「RL grokking」，為肯定答案提供新證據。

爭論的兩派

懷疑派早前指出，經RLVR訓練的模型只是「打磨」基座模型已有的能力，並未學到真正的新本領；肯定派則認為恰當的訓練範式能逼出模型潛藏的算法級推理模式，雙方一直缺乏裁決性證據。