1598篇通用RL训练方法论文中仅37篇进入开源框架。
资讯摘要
论文追踪七个开源强化学习后训练框架的提交历史，并将其与2025年1月至2026年6月筛选出的6939篇arXiv论文关联。在1598篇提出通用RL训练方法的论文中，仅37篇进入至少一个框架；五个季度队列中，180天内被纳入的数量稳定在5至7篇，而队列规模从72篇增至386篇。被纳入论文更常训练30B以上参数策略（41%对10%），也更常改动现有损失中的系数、裁剪、掩码或权重（29%对9%）。
要点速读
- 研究关联七个开源RL后训练框架的提交历史与6939篇arXiv论文，其中1598篇提出通用RL训练方法，仅37篇进入至少一个框架。
- 五个季度论文队列中，180天内被纳入的论文数保持在5至7篇，而队列规模从72篇增长到386篇。
- 被纳入论文中训练30B以上参数策略的比例为41%，未纳入为10%；改动现有损失中系数、裁剪、掩码或权重的比例为29%对9%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:10（北京时间）。