待验证50% 置信事件精确时间

三个模型都未能通过GRPO阶段，GRPO让模型学算术虽有小幅进步但通用能力显著退化

1

来源数

50%

置信度

长期有效

时效性

2026/8/29

首次发现

来源

750美元从零训练3个LLM：一位开发者的实战复盘

涉及实体

相关事实

待验证在几百M参数的小模型规模上，GRPO这类强化学习方法可能并不适用，因为模型可能无法产生足够质量的正样本提供有效学习信号74% 相似待验证Grisu 算法能在大多数情况下快速生成最短表示，但仍有约 0.5% 的困难情况需要回退到慢速路径60% 相似待验证对于中小型标准应用，Grok、GPT、Claude 三大模型基本都能给出可运行的结果，差距体现在错误处理、边界情况、可维护性和UI细节等最后20%的工作59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/819748

API

curl https://kongchang.com/api/v1/knowledge/claims/819748

MCP

get_claim(id=819748)