热点事件持续更新
研究者称预训练靠直觉调数据，RL是硬数学
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月3日，AGI Hunt 报道，AI 研究者 willcb 回顾自己今年四月提出的「最优教师」问题，称业内预训练的数据配方极度依赖经验直觉，而 RL 后训练则是硬核数学，新出现的方法处于两者的中间态。他以「某网站采样率高只是因为感觉不错，顺便还重排了元数据」为例，说明预训练配方调优的直觉性，由此引发对大模型训练科学性的讨论。报道未给出更多方法细节或第三方回应。
AI 根据报道生成 · 3 小时前更新
最新进展10月3日 14:12
willcb 回顾四月「最优教师」问题，称预训练配方靠直觉、RL 后训练才是硬数学。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- AGI Hunt研究者 willcb：预训练靠直觉调数据，RL 后训练才是硬数学
AI 研究者 willcb 回顾自己四月提出的「最优教师」问题，称业内预训练的数据配方极度依赖经验直觉，而 RL 后训练是硬核数学，新出现的方法处于两者的中间态。他以「某网站采样率高只是因为感觉不错，顺便还重排了元数据」为例，说明预训练配方调优的直觉性，由此引发对大模型训练科学性的讨论。
本事件热度走势
当前热度 9·可比范围峰值 10（10月3日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。