RLSlow 团队获致敬:LLM 大规模 RL 最早由这支团队开创

morqon · x · 2026-09-07

前 OpenAI 研究员 Łukasz Kaiser 发帖向 RLSlow 团队致敬,回顾团队历程:先后由 Ilya Sutskever、(omer?) merettm 领导,最终由他本人带队。 unsafePerformIO 转发称,如今广为人知的「如何用 LLM 做大规模 RL」的算法最早就是 RLSlow 团队开发的,而且它只是团队研究的一族学习算法中的一个特例。他称这些想法深刻优美,并认为关于学习本质还有很多待发现。团队成员包括 Trapit Bansal、Francis Song、Suchir Balaji 等。