#ptgs

Meta Superintelligence Labs 論文描述 RL 後訓練中的 Sharpening Tax（銳化稅）

在 42 對基礎模型與後訓練模型中，配備輕量測試框架的基礎模型在樣本數很大時，往往比其 RL 後訓練版本解決更多智能代理任務，而後者仍在 pass@1 上勝出。作者的 PTGS 方法在 RL 期間根據估計難度為每個提示設定採樣溫度，支付較小的稅，同時提高 pass@1。