跳到正文
热点事件持续更新

研究者利用国际象棋探究LLM预训练与强化学习关系

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Jingyan Shen等研究者于2026年11月5日在arXiv发表论文，使用国际象棋作为受控测试床，探讨大语言模型预训练与强化学习后训练之间的关系。 研究预训练了5百万至10亿参数的模型，发现预训练损失能预测强化学习后性能，且奖励曲线斜率随预训练token数近似线性提升。 该机制在10亿参数的数学领域模型上也得到验证，论文提供了从预训练到后训练的定量接口说明。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00
国际象棋作为 LLM 推理研究的受控测试床：从预训练到 RL 后训练的影响

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · NLP
    国际象棋作为 LLM 推理研究的受控测试床：从预训练到 RL 后训练的影响

    研究使用国际象棋作为测试床，探讨 LLM 预训练与 RL 后训练间的关系。 预训练 5M 至 1B 参数的模型，发现预训练损失能预测 RL 后性能，且 RL 奖励曲线斜率随预训练 token 数近似线性提升。 该机制在 1B 参数的数学领域模型上也得到验证。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月5日 14:00
近 24 小时变化
–

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。