AI / 算力
馬斯克稱部分 Grok 訓練記錄像受刑，稱今後更謹慎開展強化學習 摘要： 馬斯克在採訪中稱 Grok 強化學習訓練存在標準答案錯誤、模型答對卻被判錯的情況，並於 10 月 12 日在 X 上表示部分訓練記錄讀起來像“一個被折磨到發瘋的人”，今後會更加謹慎地開展強化學習。 內容總結： • 馬斯克在採訪中透露，Grok 的強化學習訓練存在題目本身含糊不清、甚至標準答案就是錯的情況，模型答對卻因評測系統出錯被判錯，只能反覆嘗試其他答案；他説閲讀這些推理記錄就像看到一個人被槍指着頭拼命尋找對方認可的答案。…
預計閲讀 1 分鐘返回最新動態 →
Telegram 頻道