AGI Hunt· burny_tech·2026-10-27 10:35· 4 小时前AI 评分62

UC Berkeley 论文称 RL 在既有策略空间内重加权，而非扩展 LLM 推理边界

UC Berkeley 论文：RL 是重加权而非扩展 LLM 推理边界

AI 导读

UC Berkeley 论文《How RL Reshapes LLM Reasoning》认为，强化学习主要是在 LLM 既有策略空间内做偏好重加权，而不是扩展推理边界。

来源：AGI Hunt · agihunt.info