IXThinker·2025-11-19 10:30

田淵棟離職Meta後論文獲NeurIPS錄用

AI研究者田淵棟上月證實在Meta裁員中離職，其團隊在職期間的最後論文隨後發布，已獲NeurIPS 2025錄用。研究剖析強化學習微調的內在規律，在AI圈引發廣泛關注。

反常穩定規律

團隊發現一個反常卻穩定的現象：可驗證獎勵強化學習（RLVR）能明顯提升模型性能，但幾乎不碰主方向上的權重，改動集中在少數小權重之中，性能提升與模型結構穩定可以並存。