Meta 研究者提出「锐化税」：后训练磨利旧技能而非教新能力

Changdae Oh 等研究者（涉及 Meta）提出「锐化税」（Sharpening Tax），探讨后训练是让 LLM 学会新的智能体能力，还是仅强化已有技能。在智能体任务上，预训练模型配上轻量推理 harness 后 pass@1 远低于 RL 后训练版本，但在足够大的 K 下 pass@K 覆盖更高。RL 后训练以牺牲覆盖多样性为代价，换取单次准确率提升。