Nathan Lambert 梳理闭源实验室逐渐流出的 RL 训练细节
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。
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。
Nice thread, some RL details used by closed labs slowly leaking out.