Yacine 吐槽：中国 RL 模型登顶背后只是 on-policy 合成数据

yacineMTB · x · 2026-09-23

Yacine MTB 发推调侃：所谓「中国 RL 刷新 SOTA」，点进去一看核心其实就是 on-policy 合成数据（on-policy data synth），并非什么全新范式。帖子以反讽口吻消解了「sota」的震撼感，暗示训练配方仍是已知的合成数据套路。

原文链接 →

「模型」频道最新

• Ovis 三款 Embedding 模型已上架 Hugging Face,附论文 — AdinaYakup · 2026-09-23
• Qwen 发布音频全家桶 Qwen-Audio-3.1,TTS 降价约 70% — airesearch12 · 2026-09-23
• Opus 5.5 思维链控制力仅 Opus 级,规模或决定该能力 — scaling01 · 2026-09-23
• 阿里开源 3 款 Ovis 多模态 Embedding 模型,Apache 2.0 协议 — AdinaYakup · 2026-09-23
• TypeSafe 推出 Jev：70-500ms 的「系统一」新原语，百万输入 token 仅 $0.042 — daniel_mac8 · 2026-09-23
• GPT-6 Astra 登顶 ZeroBench：三项指标全面超越人类基线 — Waiting4AniHaremFDVR · 2026-09-23

更多「模型」频道 AI 资讯 →