热点事件持续更新
Berkeley提出DELTA框架证明RL可让LLM习得新算法
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
UC Berkeley 等机构发布论文（arXiv:2509.21016），提出合成编程任务套件 DELTA 与两阶段奖励策略，用于检验强化学习能否让大语言模型习得此前完全不会的新算法。报道称，在基础模型 pass@128=0 的任务上，RL 训练后出现 grokking 式相变，准确率跳升至约 100%。方法上先用逐测试密集奖励让模型脱离全零区，再切换为二值全通过奖励以巩固策略。迁移实验显示，学会的技能可以组合外推，但在需要新不变量的变换性变化上表现较弱。
AI 根据报道生成 · 12 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- Berkeley RDI：Blog（AI 安全与评测）Berkeley RDI 提出 DELTA 与 RL Grokking Recipe：RL 可让 LLM 解出此前完全不会的任务
UC Berkeley 等机构发布论文（arXiv:2509.21016），提出合成编程任务套件 DELTA 与两阶段奖励策略，证明 RL 可以让基础模型在 pass@128=0 的任务上出现 grokking 式相变，准确率跳升至约 100%。方法先用逐测试密集奖励脱离全零区，再切换二值全通过奖励巩固策略；迁移实验显示学会的技能可组合外推，但在需要新不变量的变换性变化上较弱。
本事件热度走势
当前热度 7·可比范围峰值 10（10月1日 01:00）·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。