Meta：更强基座让后训练增益更好迁移

2026年10月13日，AGI Hunt 报道，Meta 提出一个关于训练路径的观点：更强的基座模型能让后训练获得的增益更好地迁移到训练中没见过的陌生任务上，而不只局限在训练过的那些任务里。这一说法直接针对当前流行的「RL 后训练才是王道」叙事，提醒预训练 scaling 依然关键——如果基座本身不够强，靠 RL 调出来的能力容易过拟合在训练分布之内。目前该说法来自 Meta 一方，报道中未见更进一步的实验细节或第三方验证，事件仍停留在观点层面的讨论。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。