主要来源Nathan Lambert
查看原文事件专题 ·多源确认
Nathan Lambert 梳理闭源实验室逐渐流出的 RL 训练细节
强化学习研究者 Nathan Lambert 在 X 上转发并评论一条推文串，内容是闭源实验室（如 OpenAI、Anthropic）使用的 RL 训练细节正在逐渐外泄。推文串梳理了这些实验室在 RLHF/RLVR 等环节的做法。Lambert 评价称这类信息此前很少公开，如今正缓慢流出。
当前结论
Nathan Lambert 转了一条讲闭源实验室 RL 训练细节的推文串，OpenAI、Anthropic 内部怎么做强化学习，这里能挖到不少线索。
11 个信源29° AI 热度最后更新 2026/10/25 11:19:36
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。