后训练无瓶颈，扩展RL软件、基础设施和数据持续提升能力。

Oleksii Kuchaiev

@ArtificialAnlys 1/4 我们在后训练中没有看到瓶颈。扩展强化学习软件、基础设施和数据不断带来重大的能力提升。
我们在30个RL环境中进行了训练，每个批次最多4000个实例——包括数学、代码、STEM、智能体工具使用、SWE、终端、安全——所有都在一个统一的https://t.co/eKfcWg6HEd中

打开互动版