先了解这件事
AI 综述
Berkeley RDI 提出 DELTA 合成编程任务套件,用完全 OOD 的 Manufactoria 语言测试强化学习的可学习性。据其 2026 年 10 月 13 日发布的一手博客,在多个 pass@128=0 的任务族上,RL 经长时间近零奖励平台期后准确率骤升至约 100%,呈现 grokking 式跃迁。该结果的关键在于两阶段奖励调度:先用逐测试稠密奖励脱离全零区,再切换二元全通过奖励巩固精确解;仅用二元奖励会卡住,仅用稠密奖励则长期停在“几乎正确”。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Berkeley RDI Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
Berkeley RDI Blog一手
Berkeley RDI 提出 DELTA：RL 在 pass@128=0 任务上出现 grokking 式跃迁
Berkeley RDI 提出 DELTA 合成编程任务套件，用完全 OOD 的 Manufactoria 语言测试 RL 可学习性：在多个 pass@128=0 的任务族上，RL 经长时间近零奖励平台期后准确率骤升至约 100%。关键在两阶段奖励调度——先用逐测试稠密奖励脱离全零区，再切换二元全通过奖励巩固精确解；仅用二元奖励会卡住，仅用稠密奖励则长期停在“几乎正确”。