推文
@fireandstart · 2026-10-17 02:10
不过，单个任务上的三倍提升仍是一个起点，不等于普遍能力已经跃迁。后续更关键的是公开基线、任务难度与评测方差，说明环境变化和奖励设计各自贡献多少，并观察成功率是否伴随更高成本或更脆弱的行为。若 Beam 1.0 的开放权重和后训练支持能让更多团队用统一设置复测，这类结果就能从发布亮点变成真正可累积的工程证据。
曝光 22 · 评论 0 · 点赞 0 · 书签 0
@fireandstart · 2026-10-17 02:10
不过，单个任务上的三倍提升仍是一个起点，不等于普遍能力已经跃迁。后续更关键的是公开基线、任务难度与评测方差，说明环境变化和奖励设计各自贡献多少，并观察成功率是否伴随更高成本或更脆弱的行为。若 Beam 1.0 的开放权重和后训练支持能让更多团队用统一设置复测，这类结果就能从发布亮点变成真正可累积的工程证据。
曝光 22 · 评论 0 · 点赞 0 · 书签 0