OpenAI 曝光 GPT-7 训练细节：打造缓存网页「离线世界」供前沿 RL 使用

daniel_mac8 · x · 2026-10-26

OpenAI 披露其前沿模型 RL 训练方法：为让模型学会浏览网页、搜索信息和使用 Web 应用，同时避免其任意访问真实互联网，OpenAI 构建了一个「离线世界」（offline world）——一个庞大的已索引、已缓存网页内容集合，模型可在其中交互而不影响外部系统。所有前沿 RL 训练均使用这种离线交互模式。danielmac8 转发并感叹这是「为训练 GPT-7 打造的平行数字宇宙」（GPT-7 为其个人说法）。