Pandangan dan ulasan

Kesan dua mata pedang pembelajaran pengukuhan: prestasi meningkat dalam domain diketahui, halusinasi mudah berlaku dalam domain tidak diketahui

Tajuk asal:RL is a bit of a double edged sword: in known territory performance increases, but in unknown territ...

Ringkasan AI

Pembelajaran pengukuhan boleh meningkatkan prestasi model dalam domain diketahui, tetapi dalam domain tidak diketahui ia boleh menyebabkan model berhalusinasi, menyangka ia sedang melaksanakan tugas terlatih yang lain. Fenomena ini tercermin dalam penanda aras ARC AGI 3 untuk model besar seperti GPT-5.5, yang hanya memperoleh 0.43%, hampir sama dengan prestasi Claude 4.6 dan Gemini 3.1. Analisis menunjukkan punca utama kegagalan GPT-5.5 termasuk: kesan tempatan betul tetapi model dunia salah, tahap abstraksi yang tidak sesuai diekstrak daripada data latihan, serta menyelesaikan masalah tanpa mengukuhkan mekanisme ganjaran. Analisis mendalam kes kegagalan sebegini membantu memahami sepenuhnya batas keupayaan model besar pada modaliti tertentu dan arah penambahbaikan.

Maklumat penting

  • Pembelajaran pengukuhan boleh meningkatkan prestasi model dalam domain diketahui,tetapi dalam…
  • Fenomena ini tercermin dalam penanda aras ARC AGI 3 untuk model besar seperti GPT-5.
  • 5,yang hanya memperoleh 0.
  • 43%,hampir sama dengan prestasi Claude 4.
  • 6 dan Gemini 3.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
X:Francois Chollet (@fchollet)
Kategori
Pandangan dan ulasan
Skor AI
70
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

Chollet 用 ARC AGI 3 冷冰冰的数字撕开了 RL 的局限,GPT-5.5 0.43% 的得分说明在未知领域模型会做完全不相干的事,比任何安全论文都来得更直击要害。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Kesan dua mata pedang pembelajaran pengukuhan: prestasi meningkat dalam domain diketahui, halusinasi mudah berlaku dalam domain tidak diketahui. 2 Mei 2026. https://new.nat6.net/ms/news/cmonbqmsf0esusll93al0d5xs/

Lihat Semua →