先了解这件事
AI 综述
2026年10月25日,Nathan Lambert发表评论称,闭源实验室使用的一些强化学习细节正在慢慢流出。这一评论源于Martin Marek当天发帖,后者称Tinker的新StableReinforce目标函数是Reinforce加Score Centering,并分享了自己的逆向分析过程。Lambert转发该帖并作出上述评论,表示这条帖子不错。目前该说法仅来自Lambert本人的公开评论,尚无闭源实验室或其他来源的进一步确认。
AI 根据公开报道生成
最新进展 · 正式报道
Nathan Lambert 评 Tinker StableReinforce 逆向分析事件进展
1 个已确认进展
- 来源：Nathan Lambert
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月25日
Nathan Lambert
Nathan Lambert 评 Tinker StableReinforce 逆向分析
Martin Marek 发帖称，Tinker 的新 StableReinforce 目标函数是 Reinforce 加 Score Centering，并分享了自己的逆向分析过程。Nathan Lambert 转发评论称，这条帖子不错，封闭实验室使用的一些 RL 细节正在慢慢流出。