产品与创业日报 2026-10-04

Meta Superintelligence Labs 等机构论文发现，带轻量推理框架的预训练 LLM 在足够采样预算下，解决智能体任务的覆盖面常超过 RL 后训练版本。研究将这种测试时扩展性损失命名为 Sharpening Tax，在 14 个基座/后训练配对、4 个模型族、3 个基准共 42 对中大多成立，并随模型规模增大。提出的 PTGS 方法按提示估计难度设置采样温度，可减小该损失并提升 pass@1。