10:37
官方一手marktechpost@Michal Sutter
官方一手marktechpost@Michal Sutter73°
推荐理由：Qwen前核心负责人亲自复盘Qwen3设计缺陷，解释了为什么团队转向智能体RL路径，技术干货满满。
奖励破解
共 2 条相关 AI 资讯
7月5日
10:37
林俊扬（前Qwen技术负责人）指出Qwen3的混合思考模式存在不足，动态思考预算机制并未有效融合推理与行动。他主张应从推理思考转向智能体思考，并强调智能体强化学习（agentic RL）的基础设施构建比预训练RL更难。他警告奖励破解（reward hacking）在智能体训练中更具危害性，需设计更稳健的奖励模型。
6月21日
00:53
00:53
elvis@omarsar0
elvis@omarsar0精选
推荐理由：GLM-5.2 据称设计和长任务都接近 Opus，关键是加了个反奖励破解机制，让模型更靠谱。