Paper Instruments 发布 Ultramarine 1 Flash 模型

Paper Instruments 于 10 月 15 日发布面向专业知识工作的 agentic 模型 Ultramarine 1 Flash。该模型基于 GLM-5.3 Flash 进行大规模强化学习训练，重点探索在不可验证知识工作场景中应用 RL，并通过合成 rubric 任务将非可验证强化学习规模化。公司同时发布了配套技术报告，详细介绍了这一训练方法。

2026-10-15 ~ 2026-10-15 · 2 条相关

• Paper Instruments 发布 Ultramarine 1 Flash:用 RL 训练不可验证知识工作 — lmoroney · 2026-10-15
• Ultramarine 1 Flash 技术报告:合成 rubric 任务规模化非可验证 RL — lmoroney · 2026-10-15