后训练降本趋势与agentic RL长上下文成本讨论

2026年10月10日，Elvis Saravia（DAIR.AI）在X上表示看好让后训练更易获取的趋势，并指出在agentic RL中长上下文任务昂贵且难以扩展，原因是rollout占用大部分token，每一轮都要重读不断增长的上下文。他提到Tinker长上下文token降价利好agentic RL。目前该事件仅有这一条报道，尚无后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。