模型觀點 · 本週 （論文 07-15）
本篇出自 2026年7月19日 晨報
對沒有標準答案的題目，讓模型抽多個解、取多數共識的答案，再讓模型逐字學習「能走到那個答案的解法」。研究團隊（Gkountouras、Jukić、Titov）自報：在作者自選的數理推理基準上（pass@1 口徑），最高提升 12 分，用約七分之一的算力比無標註的強化學習（讓模型靠試錯自我調整的訓練法）多 6 分，且訓練後能解出先前 32 次嘗試都解不出的題。這句是衝著老質疑來的：「模型自我學習只是把已經會的變得更確定」(arXiv，07-15)。單篇自報、無第三方複現；「AI 不靠人類標註自我改進」這條研究線，值得持續盯。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…
Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…
目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…
SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…