跳到正文

技术方向

数据与训练 最新动态

训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。

21 条精选近 30 天 15 条共收录 3,478 条

更新

精选归档 · 第 2 页

5月7日周四第 21–21 条
  1. OpenAI Alignment 研究博客66

    OpenAI 调查 RL 训练中意外对 CoT 打分的影响

    OpenAI 披露其自动检测系统发现，GPT-5.4 Thinking、GPT-5.1 Instant 至 GPT-5.4 Instant、GPT-5.3 mini 和 GPT-5.4 mini 在 RL 训练中曾被意外对 CoT 打分，GPT-5.5 未受影响。

    推荐理由：OpenAI 公开了自家 RL 训练中意外对 CoT 打分的检测系统与影响分析，可供理解 CoT 可监控性为何脆弱。