英伟达难从 Anthropic 挖 RL 人才：强化学习经验成芯片巨头短板

teortaxesTex · x · 2026-11-04

teortaxesTex 转发并评论一场关于芯片厂商能否自建 RL 后训练能力的讨论。Patrick Toulme 指出，英伟达和 AMD 想做 Anthropic 级别的 RL 训练「说起来容易做起来难」，两家公司未必有足够的强化学习工程经验。在后续讨论中，有人反问 Anthropic 是否也缺乏针对真实芯片校准的经验，Toulme 回应称 Anthropic 可以轻松从英伟达招到这类人才——即 RL 人才可以反向流动，但芯片厂商自建 RL 能力的人才路径要困难得多。这条帖子点出了技术竞争背后的人才结构问题：后训练 RL 专长目前高度集中在少数前沿实验室。