AI 模型窄域 RL 训练机制解析

Nathan Lambert 于 2026 年 10 月 27 日发文称，AI 模型的窄域 RL 训练机制最简单的解释就是，这仅仅是一种依赖其内部基础设施的窄域 RL 训练，对于开源权重模型而言，这并不是一种优秀的设计。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。