人工智能在强化学习上加算力，不能套用预训练那条曲线。预训练里，更大的模型、更多的数据、更多的算力，和效果之间可以写成一条下降规律，所以追加预算之前大致知道会得到什么。强化学习里也有人看到效果随规模变光滑，于是沿用「放大就能预测」这四个字。轴如果没写清，光滑只是图。没有单独拟合的曲线，预算不能批。

人工智能预算痛点在把一个词从预训练搬到强化学习

预训练的轴比较清楚：参数量、数据量、算力，预测的是同一类损失。强化学习要另写轴：采样了多少条模型自己生成的轨迹、奖赏模型或检验器稳不稳、更新是否在线进行。在线的意思是训练当时就用当前模型现生成，而不是只用事先存好的旧样本。现生成贵，调度也容易不稳。这些成本不在预训练账单里。

论文里的光滑曲线不能直接变成采购理由。光滑可能来自选过的轴、选过的区间、选过的任务。换一个奖赏、换一种是否在线，形状会变。所以要在自己的任务上单独拟合：投入增加时，效果的变化是否还顺着同一方向，散开有多大。散开盖过上升，就不能叫可预测，也不能按预训练的胆子去加预算。

还有一种偷换是只报最终分数，不报中途崩溃和重跑。预训练中断了往往还能从检查点接着走。在线强化学习中断，采样分布已经变了，重跑不是同一条曲线。不稳定次数必须单列。次数不写，最终分数像一次成功的放大，其实是多次失败后留下的那一次。

人工智能放大验收五步：轴先写、单独拟合、散开同报、在线账分开、不稳次数单列

1. 强化学习的预算申请必须写清轴：采样量、是否在线、奖赏从哪来。缺轴退回。
2. 禁止把预训练的规律系数直接填上。必须用自己的任务重新拟合。
3. 效果和散开一起报。散开盖过上升，不得称为可预测。
4. 在线生成的算力和失败重跑，禁止并进预训练账单。
5. 没有自己的曲线，不得因「预训练扩过」而批准强化学习预算。

上表把「有一张图」和「这张图的轴是我们的」分开。不是我们的轴，图只是别人的故事。

人工智能现场怎么批这一档预算

申请表固定四行：轴的定义、最近一档投入和效果、散开、在线采样占算力的比例。四行任一空，流程在财务之前就结束。财务不负责猜轴。拟合用至少三档投入，两档只能连成一条直线，不能叫规律。

不稳单独计数：训练中止、奖赏突然塌、不得不从旧检查点重来。这些次数写在效果旁边。效果上升但次数也上升，下一档预算降而不是升，先把不稳压下去。在线采样如果占总算力的大头，预算说明的标题要写成采样成本，不要写成模型变大。

和预训练团队共用一句「按放大规律追加」的，两张申请都退回重写。词可以相同，轴不能共用。我们见过同一句理由批过预训练之后，被原样贴到强化学习申请上，采样账单事后才出现，比模型本身还贵。

人工智能常见翻车是用最终分论证下一档

最终分是已经花掉的钱的结果。下一档要的是关系还在不在。关系没拟合，最终分只证明这一次没白花，不证明下一次仍按比例回来。

另一类翻车是把离线的旧样本训练和在线现生成说成同一种放大。旧样本便宜、分布是冻住的。现生成贵、分布跟着当前模型走。冻住的曲线不能用来批现生成的预算。

下一档的幅度也要写死，不能写「按规律酌情」。酌情会在散开已经盖过上升时仍把预算加上去。幅度只用上一档拟合的斜率，并且斜率必须盖过散开。盖不过，下一档金额写成零，申请结束，不保留口头追加。口头追加若已发生，记为越权，下一档从零重新走四行表。越权的算力从当月预算里扣回，不能记成研究产出。扣回之前，相关实验暂停引用，引用方改回上一档已批准的数字。

结论：人工智能强化学习的预算，要有自己的轴和自己的曲线

预训练的规律解释不了采样、奖赏和不稳。轴写清、散开盖得过上升，才讨论加下一档。

你下次批强化学习的算力，先要轴、三档拟合、以及在线采样是否另记账。三样缺一，先不要批。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源