熱點事件持續更新
DELTA 探討 RL 能否令 LLM 突破零通過任務
1 篇報道1 個報道來源2 小時前更新
先了解這件事
AI 綜述
2026年10月13日，研究團隊提出 DELTA，以全部屬於分佈外（OOD）且獎勵可驗證的合成程式任務，測試強化學習（RL）能否令基礎模型解決原本 pass@K=0 的任務，並遷移所學程序。針對多個 pass@128=0 的任務，訓練先採用按測試逐項給分的密集獎勵，協助模型脱離全零區，之後改用必須完整通過的二元獎勵；訓練曲線在長時間平台期後出現類似 grokking 的躍升。遷移效果並不一致：重組已學子技能及推廣至更難的參數範圍較有效；需要新不變量的轉變則效果較弱。
AI 根據報道生成 · 2 小時前更新
最新進展10月13日 22:26
最新研究顯示，RL 對重組已學子技能及外推至更難參數範圍較有效。報道時間線
沿着報道，瞭解事件的不同側面。
10月13日
- Berkeley RDI：BlogRL Grokking Recipe：RL 如何讓 LLM 解決原本無法解決的任務？
研究團隊提出 DELTA，透過全 OOD 且具可驗證獎勵的合成程式任務，測試 RL 能否令基礎模型解決原本 pass@K=0 的任務並遷移所學程序。對多個 pass@128=0 任務，先用逐測試密集獎勵離開全零區，再切換二元完整通過獎勵，訓練曲線在長時間平台期後出現 grokking 式躍升。遷移效果有選擇性，重新組合已學子技能及外推至更難的參數範圍較有效，面對需要新不變量的轉變則較弱。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。