Redwood Research 质疑 GDM 在思维链上训练

1. 04:23
   Redwood Research

   Redwood Research 质疑 GDM 是否在 CoT 上做训练

   Redwood Research 指出 Gemini 4 安全报告第 114 页提到部分 RL 训练会把思维链作为上下文来加权推理过程，这与 GDM 博客中不惩罚 CoT 内容的说法相矛盾，GDM 员工也称未在 CoT 上训练但未解释细节。

2. 04:23
   RadarAI

   Redwood Research 质疑 GDM 是否在链式思考上训练

   Redwood Research 发文质疑 GDM 是否在 Gemini 4 的链式思考上做训练，指出 Gemini 4 安全报告第 114 页似乎暗示用辅助奖励观察思维内容并加权，与 GDM 此前“训练期间不因思维链内容惩罚模型”的说法相矛盾，GDM 员工则否认在 CoT 上训练但未解释细节。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。