依意思最接近的 4 筆
新論文 RLTL;DR 提出一種自我改進方法：模型每次嘗試失敗後，把驗證器輸出展示給它，讓它自己寫一條 TL;DR 式反饋，下一次 rollout 以這條反饋為條件。它針對 RLVR 的侷限——RLVR 要求多次嘗試並只向成功樣本最佳化，當任務難到成功率接近零、又沒有教師模型或範例解可蒸餾時就失效。論文發布於 2026-10-01，原文摘要未給出基準或具體數字。
Hugging Face 後訓練團隊用 TRL 和 Harbor 框架，開源了一套在多種 coding harness 中訓練開放模型的完整指南。指南針對每個人自有的定製 harness（如 Pi 加擴充套件），給出用任意開放模型榨取最佳效能的配方，連結已公開在 Hugging Face Spaces。
白宮本週把 Zuckerberg、Bezos、Musk 與 Anthropic 的 Dario Amodei 等主要科技公司 CEO 聚到一起，簽署川普稱為具有道德約束力的 AI 安全承諾。川普還簽署行政令，正式把 AI 改稱 super intelligence，Meta 與 OpenAI 則在給自家 AI 產品換上更友好的形象。但原標題指出，只有 2% 的消費者在為 AI 付費。
Cloudflare 在 Workers AI 上線兩款由歐洲公共機構訓練的開源模型：覆蓋全部 24 種歐盟官方語言的 EuroLLM，以及瑞士 ETH Zurich、EPFL 等打造的 Apertus，今天即可申請訪問。Apertus 用逾 15 萬億 token、1500 多種語言訓練，40% 訓練資料非英語，架構、權重、資料與方法全部公開，並按 EU AI Act 與 GDPR 處理訓練退出與個人資料。