热点事件持续更新
RL 增益藏在少数分叉 token
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月21日，美团LongCat/港中深的研究发现，通过仅替换约4%的位置，就能从RL模型中回收90.5%的pass@1增益。早先报道称，在8,192 token上限的功率采样中没有任何增益；但最新报道指出，这种增益回收仅发生在两模型贪心选择不同处（约4%位置）借用RL模型的token。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 06:12
美团LongCat/港中深研究显示，通过替换少数分叉token，可显著回收RL模型增益。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- Agent Control Flash News美团 LongCat/港中深RLVR研究：仅替换4%位置即回收90.5% pass@1增益
同 8,192 token 上限的功率采样没有任何增益；但只在两模型贪心选择不同处（约 4% 位置）借用 RL 模型的 token，就能回收大部分 RL 增益。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。