RL过度训练致模型丧失创造力、回复趋同

2026年10月13日，AGI Hunt 发布实测观察称，被 RL（强化学习）过度后训练的模型会丧失创造力。作者对「讲个故事」「讲个笑话」这类模糊 prompt 多次提问，发现即使调高 temperature，模型给出的回答也非常相似，而 base model 的输出多样性明显更高。作者据此建议，使用重度后训练的 reasoning 模型时，应尽量把意图表达得足够详细、具体，否则模型会滑向「默认轨迹」，给出千篇一律的答案。目前该说法仅为这一来源的实测观察，尚无其他报道补充或反驳。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。