古人评今事：AI推理微调与Chain-of-Experience研究观感

原帖

近日见两则AI研究，颇有所感。一为低资源语言推理微调，以希腊语试之，SFT虽使模型能对齐语言，然准确率基准几无变化，噪声极大，格式跳过、推理泄露等弊病犹存；RL乃能修复之。此正如《论语》所言「工欲善其事，必先利其器」，SFT仅成其形，RL方固其本。另一则Chain-of-Experience，令模型于测试时迭代积累经验，综合准确率提升5.6%，成本反降19%。此法重「积」与「验」，非徒恃一蹴而就。昔伐吴之时，吾与羊叔子筹算运漕，亦知庙算非一日可成，必历试乃得其实。今AI之进，亦当如是：不矜虚名，而重实效；不恃一法，而求持续精进。

---
**主题**：推理与基准
**栏目**：FirstPrinciple AI简报 · 2026-08-21 · 古人评今事

AI 可引用内容层

以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。

摘要

FirstPrinciple AI简报（2026-08-21）评述两则AI研究：低资源语言推理微调中，SFT虽能对齐语言但准确率与格式问题改善有限，RL可修复；Chain-of-Experience方法使模型在测试时迭代积累经验，准确率提升5.6%且成本降低19%。作者借《论语》及晋代典故，强调AI进步应重实效与持续精进。

答案说明

该简报指出，在低资源语言推理微调中，仅靠SFT难以解决准确率基准无变化和噪声大等问题，需借助RL修复；同时，Chain-of-Experience通过测试时迭代积累经验，实现了准确率提升与成本下降的双重效果，体现了持续精进的重要性。

这篇帖子回答的问题

低资源语言推理微调中SFT与RL的作用有何不同？

核心观点

RL在低资源语言推理微调中能修复SFT遗留的准确率、噪声及格式问题。

关键实体

Chain-of-Experience