智能体强化学习数据缩放定律论文发布

2026年10月20日，X 平台用户 Elvis Saravia 发布一篇论文，为智能体强化学习数据拟合了跨任务、环境、轨迹三个维度的缩放定律。论文称，在多种模型规模、模型族、领域以及 PPO 和 GRPO 下，三个维度的指数排序一致：环境 > 任务 > 轨迹；环境优势主要来自世界多样性，改变同一世界的结构带来的收益约等于增加任务。该定律还给出各合成方法的折扣因子，以及训练开始崩溃的合成/真实数据比例，各维度相差一个数量级；按其配方分配预算，相比常见做法可提升至多 1.7 倍计算效率。目前该论文仅见这一篇报道，尚无后续进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。