IXThinker·2026-05-10 10:40

專家剖析可擴展強化學習的三條邊界

有學術直播聚焦可擴展強化學習的三條邊界，主講者來自清華大學。報告指出頂尖模型雖藉大規模強化學習刷新推理上限，但其擴展仍受方法複雜度、無監督訓練上限與蒸餾隱性代價等制約，並展望突破規模法則局限的方向。

強化學習重塑上限

強化學習正在重塑大模型的能力邊界，多個尖端模型均借助大規模強化學習刷新推理天花板。報告開宗明義提出核心問題：強化學習的擴展邊界究竟在哪裏，這決定了下一階段模型能力提升的路徑與節奏。