PewDiePie 玩起 GRPO 训练,HF 研究员吐槽想帮他都联系不上
mervenoyann · x · 2026-10-01
Hugging Face 研究员 merve 分享：知名 YouTuber PewDiePie 已在自己动手做 GRPO 强化学习训练（未提具体工具）。
据她转述：
- 他曾想蒸馏 Sol 模型，但几次被封号
- 他建了个网站让人捐赠训练 traces，但没人捐——merve 吐槽其实直接去 Hugging Face Hub 就行
- merve 表示很想帮忙但联系不上本人
顶流网红下场自训模型的轶事，也算 open-source RL 普及的信号。
所属事件:PewDiePie 自学 GRPO 强化学习训练,HF 研究员想帮忙却联系不上(2 条相关)→
「Fun」频道最新
- 学者自嘲:复杂 shell 命令仍坚持手敲,只为确认自己宝刀未老 — haltakov · 2026-10-01
- Bun 预告新功能,网友玩梗「别学灭霸消灭一半人」 — cnakazawa · 2026-10-01
- PewDiePie 蒸馏 5.6 Sol 进 Qwen3.5 9B?实为嘲讽 Altman 的玩梗帖 — Dany0 · 2026-10-01
- 挂着 Codex 顺手练出三个 20 级号,程序员边打魔兽边提效 — airkatakana · 2026-10-01
- Altman 护数据梗图热传：谁也别碰我的数据 — miniapeur · 2026-10-01
- Anthropic 设计师在 Claude Code「Ultracode」档位藏趣味彩蛋 — oykun · 2026-10-01