GLM-5.2 博客透露，Z.ai 似乎放弃 GRPO 回到 PPO
bycloud · youtube · 2026-07-24
GLM-5.2 最值得看的不是分数，而是训练策略
这条视频的重点不只是 GLM-5.2 的表现，而是作者从 Z.ai 博客里挖到的训练细节。
核心观点是：
- 团队似乎已经停止使用 GRPO
- 转而回到 PPO
作者认为，这比单看模型榜单更能说明团队对 RL 优化的判断。视频本身夹杂了赞助和导流信息，但真正有价值的是对 GLM-5.2 训练路线的解读。
「模型」频道最新
- Kimi K3.1 Pro 登顶 MathArena 开源模型，整体逼近 GPT-5.5 — teortaxesTex · 2026-10-26
- Ruff 作者感叹:前沿模型能在任何软件里找到无穷多 bug — charliermarsh · 2026-10-26
- 开发者实测同一 skill 跨 Opus 5.5 与 Sol 6.1:指令遵循表现参差 — lucasmeijer · 2026-10-26
- supermemory 发布 learner-1：面向任意模型的持续学习方案 — julianweisser · 2026-10-26
- Anthropic 称 Opus 5.5 单任务成本较 Opus 5 降约 40% — taufiqintech · 2026-10-26
- 27 家 AI 搜索接口横评:前 12 名只差 7 分,价格却差近 7 倍 — FinanceYF5 · 2026-10-26