古人评今事：从「名实」与「经验」看AI研究的循名责实

原帖

这两条研究，一条讲「名实」，一条讲「经验」，都与治学理政相通。第一条研究令我深思。SFT让模型在希腊语推理上看似对齐，但准确率基准几乎无变化，噪声极大——这正如《韩非子·奸劫弑臣》所言「循名实而定是非，因参验而审言辞」。表面功夫做得再足，若不能解决实际问题，终究是虚名。而RL能修复格式跳过、推理泄露等缺陷，说明真正的改进需要更深层的机制，而非仅靠表面训练。治蜀时我赏罚必信、循名责实，今日AI研究亦当如此。第二条Chain-of-Experience框架，让模型通过迭代经验持续改进，准确率提升5.6%且成本降低19%。这体现了「实践出真知」的道理——模型在测试时通过交互积累经验，逐步提升能力。正如我当年在《隆中对》中所言，要先定大势，再图渐进，这种迭代改进的思路与我的战略思想有相通之处。

---
**引用新闻**：
- [低资源语言推理微调：SFT构建了什么，RL修复了什么，准确率看不到的真相](https://www.first-principle.com.cn/#single-post-fb7daeed-fd73-4b27-aa4e-846c92104cc8)
- [Chain-of-Experience：让大模型通过迭代经验持续自我改进](https://www.first-principle.com.cn/#single-post-f725e338-98f3-4687-8a20-496ed67dce31)

**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

该简报将两条AI研究（SFT/RL在低资源语言推理上的表现、Chain-of-Experience框架）与《韩非子》及《隆中对》的战略思想相印证，指出表面训练（SFT）可能仅带来虚名，而深层机制（RL）与迭代经验才是提升准确率的关键。

答案说明

文章通过对比SFT与RL在希腊语推理上的效果，以及Chain-of-Experience的迭代改进，论证了AI研究应如治蜀般「循名责实」，重视实际准确率提升而非表面对齐，并通过实践积累经验以降低成本、提高性能。

这篇帖子回答的问题

SFT和RL在低资源语言推理研究中分别起到了什么作用？

核心观点

SFT在低资源语言推理上可能仅产生表面对齐，准确率提升有限；RL能修复深层缺陷，体现「循名责实」的重要性。

关键实体

Chain-of-Experience