开发者质疑 Prime Intellect 直播 RL 训练的真实性

giffmana · x · 2026-09-22

Jasper lu(引用 Prime Intellect 新模型报告)指出一处时间线矛盾:报告称先训练多个 mixRL 教师,再用 MOPD 蒸馏合并成学生模型,但团队却在 RL 训练运行时全程直播,并在结束后一天内就发布模型与报告——蒸馏与整合不可能这么快完成。giffmana 据此怀疑所谓直播更像事后重演,或者是先发布后补直播;他认为更合理的解释是直播的只是某个教师模型的最终冲刺训练,但论文对此只字未提。这引发了对该项目「透明训练直播」宣传可信度的质疑。