Meta 研究 Muse 模型在分布外任务上的表现

Meta 于 2026-10-12 介绍了 Muse 模型在分布外任务上的测试时计算表现，关注点在于其试图衡量模型把后训练收益迁移到训练阶段未覆盖任务的能力。

• 原帖称，Meta 对训练过的任务与陌生任务分别比较了测试时计算扩展效果。
• Meta 表示，两个模型在分布外任务上的提升幅度相近。
• 在相同分布内得分下，Meta 称 Muse Wonder Full 在陌生任务上的表现高于由 Muse Spark 1.3 趋势外推的水平。
• 该结论依赖任务集合、计算预算、基准设计和趋势拟合方式，原帖没有完整列出这些细节。
• 影响/看点：如果完整评测能证明更强基座模型确实改善了跨任务迁移，模型后训练可能不必完全依赖针对每个新任务的专项数据；这一判断成立的前提是结果能在未参与模型开发的任务和统一预算下复现。
• 资料依据:
• AI at Meta（2026-10-12）：Muse 模型分布外任务评测说明原帖 https://x.com/AIatMeta/status/2109697981641351510

本内容由 AI 生成，仅供参考，请注意甄别