Ampersand 训练细节披露：靠模拟反馈学长期后果，而非奖励模型
gharik · x · 2026-10-21
Humansand 团队披露 Ampersand 模型的训练方法：与使用可验证奖励或偏好奖励训练的助手类模型不同，Ampersand 通过模拟反馈（simulation feedback）学习自身行动的长期后果，从而理解长时程影响。
团队成员 parth29、saurabhshah2、joeyxhong 负责相关 RL 扩展工作。这一思路与主流 RLHF/RLVR 路线形成差异化，指向「学会与人共同成长」的长期协作者定位。
所属事件:初创 humans& 发布协作模型 Ampersand，主打模拟反馈训练(17 条相关)→
「模型」频道最新
- GPQA 天体物理题需查外部望远镜规格,模型推理疯狂内耗 — charles_irl · 2026-10-21
- 马斯克称 Grok 机器人增长速度为其见过最快的产品 — Polymarket · 2026-10-21
- 前 Google Gemini 团队新实验室发布视觉推理模型 Glimpse，可分析视频找工地安全隐患 — AndrewDai · 2026-10-21
- Gemini 4 Argon 发布 7 天，玩家已造出 3D 世界与物理模拟 — minchoi · 2026-10-21
- Minimax H3 本地使用体验崩坏:提示词极敏感,24GB 显存仍频频失败 — Ambitious_Corgi5723 · 2026-10-21
- 用户实测：ChatGPT 新 UI 给真实人物配错照片，文字传记却基本正确 — ProfessionalAd1198 · 2026-10-21