热点事件持续更新
RL后训练损失测试时扩展性：Sharpening Tax
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年10月2日，HuggingFace Daily Papers 社区热门论文提出 Sharpening Tax 指标，用于量化 LLM 的 RL 后训练在提升 pass@1 的同时损失解空间覆盖（pass@K）的代价。研究称，预训练模型加轻量推理框架即可成为有能力的 Agent，在足够测试预算下 pass@K 常超过后训练版本；后训练会把任务推向总是解决或从不解决两个极端。该报道为目前唯一来源，未提及更早的相关报道或数据矛盾。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 02:52
论文提出 Sharpening Tax 指标，量化 RL 后训练对测试时扩展性的损失。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- HuggingFace Daily Papers（社区热门论文）Sharpening Tax：量化 RL 后训练损失测试时扩展能力的论文
论文研究 LLM 的 RL 后训练，提出 Sharpening Tax 指标，量化后训练在提升 pass@1 的同时损失解空间覆盖（pass@K）的代价。研究发现预训练模型加轻量推理框架即可成为有能力的 Agent，在足够测试预算下 pass@K 常超过后训练版本；后训练把任务推向总是解决或从不解决两个极端。
本事件热度走势
当前热度 7·可比范围峰值 8（10月2日 12:00）·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。