面向新手的RL经验

训练中出现的问题

• 最近搞RL训练，天天搞到凌晨，感觉整个人都变呆了，有时明明看着曲线正常的一批，但是最终的测试结果，真让人欲哭无泪，正好这两天空下来，有空总结下出现的问题，也正好给很多没怎么接触过RL或者准备搞RL的人一点小小的经验，也欢迎大佬们直接指点我吧0_0，实在不想在凌晨了。
• 这几天在训RL的时候出现了一个有意思的现象就是在setp0-60之间曲线是一个正常的上涨趋势，并且在测试集上的效果也是稳步的上升，但是step60–>step80的时候，效果竟然小幅下降了，但是峰回路转到step80–>step100又有一个大幅提升的情况，虽然最终是拿到结果收益了，但是本着解决问题的思路，还是想探一探为什么我的reward_mean一直在稳步上升，但是结果却会出现这样的波动呢？ 这里结合之前的经验给出了一个自己的猜想那就是：早step60–>step80这期间探索的策略发生，并去探索新策略去了，而step80–>100的时候找到了新的策略并稳定了下来，才有提升了。

先看看整体数据的准确率的变化

首先我们要看这几个曲线：reward_mean，reward_std，entropy，positive_samples，negative_samples，response_length，positive_length，negative_length，clip_ratio，accuracy。

然后观察当前准确率的变化：

• Step 20：33%
• Step 40：35%
• Step 60：36%
• Step 80：35%（降了！）
• Step 100：39%（又杀回来了）

看一下准确率整体趋势一直是稳步上升，但60到80这段突然掉了一点，然后80到100又猛拉了一波。这个先按下不表，后面会详细聊。

再看reward，reward_mean从大约0.47一路涨到0.62，看着挺美的对吧？但reward_std一直在0.25左右居高不下，说明样本之间质量分化还是挺严重的，不是所有样本都在变好，只是平均被拉上去了。

还有一个很有意思的现象是关于样本长度的：正样本平均长度大约700到800 tokens，负样本平均长度直接飙到1500+，差不多是正样本的两倍。这个后面会重点讲，因为它是很多问题的根源。

---

三个阶段，三种心情

阶段一：Step 20 → 60，岁月静好期

这个阶段没啥好说的，accuracy稳步涨，reward也在涨，长度虽然有波动但整体可控。模型在老老实实学基础策略，reward和accuracy对齐得也不错。就是那种——曲线正常，心态也正常的阶段。

阶段二：Step 60 → 80，心态崩了期

好家伙，accuracy从36掉到35了，直接一个点的下降，但明明这时候reward_mean还在涨啊，这就很诡异了——reward说”我在变好”，accuracy说”你没有”。

仔细扒了一下数据，我觉得原因主要有这么几个：

1. 模型开始”作”了——策略探索增强到了这个阶段，模型不再满足于已有的策略，开始尝试新的解题思路。探索本身不是坏事，但代价就是输出变得不稳定，有时候反而搞砸了。

2. 负样本越写越长（这个是关键）负样本的平均长度明显上涨了，越长的回答推理链越复杂，出错的概率自然就越高。简单说就是：模型在错误的方向上越跑越远。

3. 方差太大reward_std一直在0.25附近相比之前有所上升，说明好的样本很好、差的样本很差，质量分化严重。平均值被好的拉上去了，但差的那些依然在拖后腿。

总结一下这个阶段：模型进入了探索期，负样本变长变复杂，reward分布被拉宽，accuracy就短暂掉了。

阶段三：Step 80 → 100，峰回路转期

这个阶段是最让人开心的——accuracy从36直接拉到39，一下子涨了3个点。

原因也很清晰：

1. 策略收敛了前面探索完了，模型终于找到了有效的策略并开始复用，从exploration转向了exploitation。

2. 正样本越来越多positive_samples数量上升，positive_lenght也变长了，说明模型答对的比例在提高，正确的模式不断被强化。

3. 正样本长度到了”甜蜜区间”稳定在大约800 tokens左右，信息量够用但不会过长导致跑偏。

4. 负样本”变轻”了（关键发现）负样本的数量没怎么变，但质量在往”接近正确”的方向靠。也就是说，即使答错了，错得也没那么离谱了，这是一个好信号。

总体来说：策略收敛 + 正样本增强 + 负样本错误程度减轻 = reward分布整体右移 = accuracy显著提升。

---

说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。

结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”

我先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。

即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！

这绝非空谈。数据说话

2025年的最后一个月，脉脉高聘发布了《2025年度人才迁徙报告》，披露了2025年前10个月的招聘市场现状。

AI领域的人才需求呈现出极为迫切的“井喷”态势

2025年前10个月，新发AI岗位量同比增长543%，9月单月同比增幅超11倍。同时，在薪资方面，AI领域也显著领先。其中，月薪排名前20的高薪岗位平均月薪均超过6万元，而这些席位大部分被AI研发岗占据。

与此相对应，市场为AI人才支付了显著的溢价：算法工程师中，专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%；产品经理岗位中，AI方向的产品经理薪资也领先约20%。

当你意识到“技术+AI”是个人突围的最佳路径时，整个就业市场的数据也印证了同一个事实：AI大模型正成为高薪机会的最大源头。

最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

• ✅从入门到精通的全套视频教程
• ✅AI大模型学习路线图（0基础到项目实战仅需90天）
• ✅大模型书籍与技术文档PDF
• ✅各大厂大模型面试题目详解
• ✅640套AI大模型报告合集
• ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤640套AI大模型报告合集

⑥大模型入门实战训练

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓