机心卷 · 世界补丁日志
What RL on Expert-Built Tasks Teaches Nemotron 3.5 Super
1. 一句话总结 这篇论文通过“一种专家任务对应一个 LoRA 适配器”的受控实验表明,面向可验证任务的后训练不仅能提升 Nemotron 3.5 Super 的专业能力,还会促…
标题
AI不只学会答题,还学会先查规则再动手
🧠 这篇研究的新意,不是某个考试涨了多少分,而是论文里的模型开始显出更像“工作流程”的习惯:先找规则和证据,再执行并检查。
🔧 研究把软件、PDF、表格图表、工具调用等任务拆开训练,每项只配一个LoRA小模块。LoRA就是不改模型主体,只补一套专用技能;强化学习按结果自动给反馈,例如测试是否通过。
📈 软件任务SWE-bench Pro V2从86.9%升到92.1%,AutomationBench从14.8%升到27.5%。只训练PDF问答、没用API工具,后者仍提高8.0个百分点。记录显示,模型会写测试、读表、核对刻度,并在操作前寻找规则。
🏢 对普通人的启发是:训练AI别只堆“标准答案”,还要给它优质范例和可核验的任务。它可能学会确认限制、保留要求、先找资料再调用工具。涉及财务或医疗时,仍要人工复核。
⚠️ 不过,行为变化与分数提升目前主要呈相关性,不能断言前者就是后者的原因;部分基准也由论文团队构建。这条训练路线值得继续验证,还不能说明AI已经像人一样工作。
🤖 如果给你一个最值得教会AI的日常任务,你选报销核验、邮件整理,还是资料对比?
标签
#AI论文 #大模型 #强化学习 #LoRA #AI智能体 #办公助手 #代码助手 #多模态 #PDF问答
原文来源
- https://arxiv.org/abs/2611.22161v1
来源类型:arXiv 预印本 · 日期:2026-11-17
边界声明 · 这项研究不能证明什么
本文为一手来源的中文编辑导读,结论的适用范围与证据强度以来源原文为准;不构成医疗、投资或其他决策建议。
AIGC 内容说明
本文由 AI 辅助起草,经今山海编辑部人工核对事实、来源与边界后发布。修订与更正将在本页留痕。