#agent-benchmarks

Meta Superintelligence Labs 论文描述 RL 后训练中的 Sharpening Tax（锐化税）

在 42 对基础模型与后训练模型中，使用轻量测试框架的基础模型在样本数很大时，往往比它们的 RL 后训练版本解决更多智能体任务，而后者仍在 pass@1 上占优。作者的 PTGS 方法在 RL 期间根据估计难度为每个提示设置采样温度，从而缴纳更小的税，并同时提高 pass@1。