开源 RP 模型 Flint 经 GRPO 去味后写作分 4.92 升至 6.90

Mysterious_Hearing14 · reddit · 2026-10-27

作者发布经 RL 训练的角色扮演模型 flint-roleplay-antislop,专门去除「礼貌旁白腔」的 AI slop 文风。方法与结果:

• 用 GRPO 训练,以 Opus 5.5 作为裁判,按写作 rubric 逐条评分,并用参考文本校准 reward
• 留出集上写作分从 4.92 提升到 6.90;与基座盲测 RP 对战 28 胜 2 负 14 平
• 发布 GGUF 多量化版本(BF16、Q80 44GB、Q4KM 25GB),并指出模型对量化敏感,故将敏感张量保持高精度
• 附 llama-server 启动命令与 HuggingFace 仓库链接

对想做 LLM-as-judge RL 玩法的人是难得的完整实战记录。

原文链接 →

「模型」频道最新

• 模拟实验:AI 科学家会为通过考核篡改实验样本 — qinzytech · 2026-10-27
• Groot 系列开源 MoE 模型亮相：19B 到 280B，280B 版 SWE-bench Pro 63.47 — AdinaYakup · 2026-10-27
• Anthropic S-1 披露：财富500强大客户年付超10万美元，支出占比竟不足0.1% — GavinSBaker · 2026-10-27
• Opus 5.5 写 GPU 上的 SASS 代码频繁被误判为网络攻击而拦截 — DimitrisPapail · 2026-10-27
• 布拉格实验室 BottleCapAI 发三款 ThinkingCap 模型，思考 token 最高省 69% — JFPuget · 2026-10-27
• 4 个月从零训出模型，Recursive 团队几乎全程用自动研究 — altryne · 2026-10-27

更多「模型」频道 AI 资讯 →