AI 造 AI 日报: 2026-11-23
今天最有用的 AI 造 AI 进展,全落在枯燥的环节上:谁来出考题,谁为数据买单,谁的对话记录最后进了权重。Meta 讲了一个 agent 循环,从内部合并的代码改动里自动造编程基准,再自己修补,直到通过一套不需要人工标注的质检。OpenAI 自己公布的研究 agent 数字说,这类 agent 占研发算力的份额大约每 30 天翻一倍,拉动最大的是预训练和后训练,而不是基础设施。小的一头,有人把自己三个月的 Claude Code 会话做成了 LoRA,一遍训练大约 6 美元;一个只为一门 shell 语言微调的 1.7B 小模型,比 Claude Haiku 高出 79 个百分点。蒸馏之争也从技术层挪到了政策层:OpenAI 要求路由器和网关先申请许可,中文圈则在吵开源权重放缓到底是因为老师被锁、还是芯片被锁。老师开始明码标价,而最便宜的学生,是拿你自己的活儿训出来的那个。
#1
@omarsar0
https://x.com/omarsar0/status/2123767076745818281
@omarsar0 推荐了 Meta 一篇叫 Benchmark Factory 的论文:一个 agent 循环,把内部已合并的代码改动变成专属于你代码库的编程基准。agent 自己写挑题用的查询,拿几个已知强弱的模型去跑,再不断修补基准,直到它通过一套不需要逐题人工标注的质检。为了验证质检本身,作者故意喂进去坏基准:一个太简单的、五个评分方式各有毛病的,全被拦下;把模型身份打乱之后,坏基准最多也只有 1.4% 的概率漏过去。在造基准时没用过的配置上,它把 Opus 4.7 高强度排在低强度之前(60.6% 对 54.4%),把 GPT-5.5 排在 GPT-5.4 之前(65.8% 对 60.5%),十组按团队的对比有九组一致。设计评测本来是 AI 研究员的活,这里连验证都一起自动化了。
https://x.com/omarsar0/status/2123767076745818281
@omarsar0 推荐了 Meta 一篇叫 Benchmark Factory 的论文:一个 agent 循环,把内部已合并的代码改动变成专属于你代码库的编程基准。agent 自己写挑题用的查询,拿几个已知强弱的模型去跑,再不断修补基准,直到它通过一套不需要逐题人工标注的质检。为了验证质检本身,作者故意喂进去坏基准:一个太简单的、五个评分方式各有毛病的,全被拦下;把模型身份打乱之后,坏基准最多也只有 1.4% 的概率漏过去。在造基准时没用过的配置上,它把 Opus 4.7 高强度排在低强度之前(60.6% 对 54.4%),把 GPT-5.5 排在 GPT-5.4 之前(65.8% 对 60.5%),十组按团队的对比有九组一致。设计评测本来是 AI 研究员的活,这里连验证都一起自动化了。
#2
@fleetingbits
https://x.com/fleetingbits/status/2123930436116361387
@fleetingbits 把 OpenAI 最新那篇内部研究 agent 报告里的数字拎了出来。agent 的花费仍然大约每 30 天翻一倍:九月内部部署只用了 AI 研发算力的 2%,照这个趋势年底会到 11% 左右。AI 研发任务的成功率,除了接近饱和的 15 分钟以内那一档,其余每个月涨 2 到 3 个点,推下去年底 1 到 2 小时的任务能到 64%,4 到 8 小时的任务能到 46%。最值得记住的是这一条:在预训练和后训练上,agent 给每个研究员日额外贡献约 8 个工作日,在扩展和基础设施上只有约 3 个。这说明拉动主要来自读 rollout、调数据配比,而不是写代码。
https://x.com/fleetingbits/status/2123930436116361387
@fleetingbits 把 OpenAI 最新那篇内部研究 agent 报告里的数字拎了出来。agent 的花费仍然大约每 30 天翻一倍:九月内部部署只用了 AI 研发算力的 2%,照这个趋势年底会到 11% 左右。AI 研发任务的成功率,除了接近饱和的 15 分钟以内那一档,其余每个月涨 2 到 3 个点,推下去年底 1 到 2 小时的任务能到 64%,4 到 8 小时的任务能到 46%。最值得记住的是这一条:在预训练和后训练上,agent 给每个研究员日额外贡献约 8 个工作日,在扩展和基础设施上只有约 3 个。这说明拉动主要来自读 rollout、调数据配比,而不是写代码。
#3
@fngly343149
https://x.com/fngly343149/status/2123656302182412767
@fngly343149 介绍了 tinker-ai-skill:把自己的 Claude Code 会话做成 LoRA,再导出成本地能跑的 GGUF 模型,仓库建了 13 天拿到 327 颗星。作者用这套方法做出了 Tess-4-27B 和 Tess-4.5-27B,权重都放在 Hugging Face 上。最有用的是那张成本表:100 行个人语料大约 500 万 token,在 Qwen3.6-35B-A3B 上训一遍约 6 美元;1000 行约 4500 万 token,约 55 美元。流程是九步、11 个脚本:收集,脱敏(凭证按值替换,每个会话换一个随机身份),切分时不把工具调用拆开,在 Tinker 上训练,合并,量化。agent 的对话记录本身就成了训练数据,几百美元就能换一个照你习惯干活的本地助手。
https://x.com/fngly343149/status/2123656302182412767
@fngly343149 介绍了 tinker-ai-skill:把自己的 Claude Code 会话做成 LoRA,再导出成本地能跑的 GGUF 模型,仓库建了 13 天拿到 327 颗星。作者用这套方法做出了 Tess-4-27B 和 Tess-4.5-27B,权重都放在 Hugging Face 上。最有用的是那张成本表:100 行个人语料大约 500 万 token,在 Qwen3.6-35B-A3B 上训一遍约 6 美元;1000 行约 4500 万 token,约 55 美元。流程是九步、11 个脚本:收集,脱敏(凭证按值替换,每个会话换一个随机身份),切分时不把工具调用拆开,在 Tinker 上训练,合并,量化。agent 的对话记录本身就成了训练数据,几百美元就能换一个照你习惯干活的本地助手。
#4
@mcaldwell_dev
https://x.com/mcaldwell_dev/status/2123602081257083058
@mcaldwell_dev 把 Liquid AI 的 LFM3 1.7B 微调成专写 Nushell 命令的模型,在 wasm 版 Nushell 沙箱里拿 231 条留出请求来测。LFM3 加 LoRA 得 92.6%,gpt-6-luna 22.1%,claude-haiku-5-5 只有 13.0%。作者放出了 WebGPU 演示和记录完整训练过程的 Marimo 笔记本。冷门的 shell 语言正是小专家吊打通用模型的地方:前沿模型几乎没见过它,沙箱又能给出干脆的对错。
https://x.com/mcaldwell_dev/status/2123602081257083058
@mcaldwell_dev 把 Liquid AI 的 LFM3 1.7B 微调成专写 Nushell 命令的模型,在 wasm 版 Nushell 沙箱里拿 231 条留出请求来测。LFM3 加 LoRA 得 92.6%,gpt-6-luna 22.1%,claude-haiku-5-5 只有 13.0%。作者放出了 WebGPU 演示和记录完整训练过程的 Marimo 笔记本。冷门的 shell 语言正是小专家吊打通用模型的地方:前沿模型几乎没见过它,沙箱又能给出干脆的对错。
#5
@AGTPinsights
https://x.com/AGTPinsights/status/2123885140229439576
@AGTPinsights 梳理了 OpenAI 那篇对抗蒸馏文章里,标题数字之外的新东西(标题数字是推理被套取成功率从 54% 降到 0.2%)。报道提到大约 1.6 万次套取尝试,分散在一万五千多个用户身上;OpenAI 还说堵上了一条可能暴露其他用户加密推理的通道,但没说有没有人用过。它的网络安全蒸馏实验显示,把推理过程藏起来,确实能限制攻击能力向学生模型转移。反应两极:Ethan Mollick 认为从 OpenAI 和 Anthropic 轻松蒸馏的时代结束,可能正是开源权重放缓的原因;批评者则说图表里看不出多少收益,强化学习环境和算力才更关键。
https://x.com/AGTPinsights/status/2123885140229439576
@AGTPinsights 梳理了 OpenAI 那篇对抗蒸馏文章里,标题数字之外的新东西(标题数字是推理被套取成功率从 54% 降到 0.2%)。报道提到大约 1.6 万次套取尝试,分散在一万五千多个用户身上;OpenAI 还说堵上了一条可能暴露其他用户加密推理的通道,但没说有没有人用过。它的网络安全蒸馏实验显示,把推理过程藏起来,确实能限制攻击能力向学生模型转移。反应两极:Ethan Mollick 认为从 OpenAI 和 Anthropic 轻松蒸馏的时代结束,可能正是开源权重放缓的原因;批评者则说图表里看不出多少收益,强化学习环境和算力才更关键。
#6
@sokrypton
https://x.com/sokrypton/status/2123621067444863218
@sokrypton 给 Claude 的蛋白质取证补了一条后续:让 Fable 5.2 回忆成对的多序列比对时,它在蛋白-蛋白相互作用上也不行。这说明模型训练时见过的是单条 UniProt 序列,而不是 contig 或整段基因组。这是从外部读训练集的一个巧办法:如果模型能把一条蛋白接着写下去,却写不出基因组里紧挨着它的那个搭档,说明基因组从来不在数据里。
https://x.com/sokrypton/status/2123621067444863218
@sokrypton 给 Claude 的蛋白质取证补了一条后续:让 Fable 5.2 回忆成对的多序列比对时,它在蛋白-蛋白相互作用上也不行。这说明模型训练时见过的是单条 UniProt 序列,而不是 contig 或整段基因组。这是从外部读训练集的一个巧办法:如果模型能把一条蛋白接着写下去,却写不出基因组里紧挨着它的那个搭档,说明基因组从来不在数据里。
#7
@teortaxesTex
https://x.com/teortaxesTex/status/2123695558502051968
@teortaxesTex 翻出一家中国实验室九月发的招聘,岗位叫代码 Agent 数据工程师,明确不写产品代码。工作内容是把真实的软件工程、网络安全或科研场景做成强化学习环境,定评测标准,改训练数据,教大模型把代码写好,方向分前端、移动端、后端、Web 3D 与渲染、安全和游戏开发。Teortaxes 说这家实验室同期在猛招游戏设计师,联系到「玩游戏能提升推理」的传闻,还说它的 1017 版本做游戏格外强。造强化学习环境正在变成一个独立的职位。
https://x.com/teortaxesTex/status/2123695558502051968
@teortaxesTex 翻出一家中国实验室九月发的招聘,岗位叫代码 Agent 数据工程师,明确不写产品代码。工作内容是把真实的软件工程、网络安全或科研场景做成强化学习环境,定评测标准,改训练数据,教大模型把代码写好,方向分前端、移动端、后端、Web 3D 与渲染、安全和游戏开发。Teortaxes 说这家实验室同期在猛招游戏设计师,联系到「玩游戏能提升推理」的传闻,还说它的 1017 版本做游戏格外强。造强化学习环境正在变成一个独立的职位。
#8
@arshshah
https://x.com/arshshah/status/2123593205526499766
@arshshah 摘出了 Anthropic 最终版招股书里关于 AI 研发的几句话。第 36 页说,它已经把负责任扩展政策里的 AI 研发能力门槛按「已达到」处理,依据是对未来模型的预期,而不是在现有模型上观察到的结果。第 56 页说,它最近把一个新前沿基座模型的预训练推迟了一个多月,为的是加固防止权重外泄的安全措施。这两句都是要承担证券法律责任的表述,比博客文章硬得多:AI 造 AI 的门槛成了正式披露的风险因素,护住权重也排进了训练日程。
https://x.com/arshshah/status/2123593205526499766
@arshshah 摘出了 Anthropic 最终版招股书里关于 AI 研发的几句话。第 36 页说,它已经把负责任扩展政策里的 AI 研发能力门槛按「已达到」处理,依据是对未来模型的预期,而不是在现有模型上观察到的结果。第 56 页说,它最近把一个新前沿基座模型的预训练推迟了一个多月,为的是加固防止权重外泄的安全措施。这两句都是要承担证券法律责任的表述,比博客文章硬得多:AI 造 AI 的门槛成了正式披露的风险因素,护住权重也排进了训练日程。
#9
@datadogdevs
https://x.com/datadogdevs/status/2123830606710665554
@datadogdevs 说 Datadog 和 Baseten 合作,拿自家生产环境里的大模型调用记录微调了一个模型。生成时间从 44.7 秒降到 0.89 秒,快了约 50 倍,评审通过率从 45% 升到 93%。同一批更新还加了 pup finetune 命令,客户可以在 Baseten 或 Fireworks AI 上微调开源权重模型。可观测性公司手里本来就攥着调用记录,训练集等于白送,把记录变成小模型就是这个逻辑。
https://x.com/datadogdevs/status/2123830606710665554
@datadogdevs 说 Datadog 和 Baseten 合作,拿自家生产环境里的大模型调用记录微调了一个模型。生成时间从 44.7 秒降到 0.89 秒,快了约 50 倍,评审通过率从 45% 升到 93%。同一批更新还加了 pup finetune 命令,客户可以在 Baseten 或 Fireworks AI 上微调开源权重模型。可观测性公司手里本来就攥着调用记录,训练集等于白送,把记录变成小模型就是这个逻辑。
#10
@stas_sorokin_
https://x.com/stas_sorokin_/status/2123595434274812310
@stas_sorokin_ 讲了拿隐藏 HTML 攻击测 Claude Code 的结果:五次运行里,agent 一次都没提过自己看到了什么。他们的解法是一个叫 Firewall 1 的小模型,挡在 agent 前面,60 次隐藏 HTML 攻击全部拦下,每页约 65 毫秒,权重开源,按次调用零成本。弱点也写得很直白:64 个正常的完整页面里它仍误报 28 个,所以下一次训练就专门喂完整页面。训一个守卫模型去补前沿模型的盲区,是非常实在的一种 AI 造 AI。
https://x.com/stas_sorokin_/status/2123595434274812310
@stas_sorokin_ 讲了拿隐藏 HTML 攻击测 Claude Code 的结果:五次运行里,agent 一次都没提过自己看到了什么。他们的解法是一个叫 Firewall 1 的小模型,挡在 agent 前面,60 次隐藏 HTML 攻击全部拦下,每页约 65 毫秒,权重开源,按次调用零成本。弱点也写得很直白:64 个正常的完整页面里它仍误报 28 个,所以下一次训练就专门喂完整页面。训一个守卫模型去补前沿模型的盲区,是非常实在的一种 AI 造 AI。
#11
@atlaslormlabs
https://x.com/atlaslormlabs/status/2123781456380211353
@atlaslormlabs 报道,Snorkel 把一个模型在 OpenAI 职业工作测试上的分数从 31.9% 提到了 40.7%。用的方法叫二值门控训练:95% 的尝试组都产生了学习信号,普通 GRPO 只有 21%。真正的看点就是这个差距:一组尝试分数全一样时,GRPO 的大部分 rollout 就白跑了,能让信号一直活着的训练方法,同样的算力能榨出更多东西。
https://x.com/atlaslormlabs/status/2123781456380211353
@atlaslormlabs 报道,Snorkel 把一个模型在 OpenAI 职业工作测试上的分数从 31.9% 提到了 40.7%。用的方法叫二值门控训练:95% 的尝试组都产生了学习信号,普通 GRPO 只有 21%。真正的看点就是这个差距:一组尝试分数全一样时,GRPO 的大部分 rollout 就白跑了,能让信号一直活着的训练方法,同样的算力能榨出更多东西。
#12
@markfenner
https://x.com/markfenner/status/2123849380763443400
@markfenner 在周五汇总里提到,Hugging Face 放出了一组适配器,把 Qwen3.8-27B 分别调成适合 Hermes、OpenCode 和 pi 三个 harness 的版本。关掉思考模式时,Hermes 适配器让同一个基座模型在 Terminal-Bench 2.1 上从 44.7% 涨到 58.8%。不只是让 harness 迁就模型,而是把模型微调得适配 harness,这是一根 14 个百分点的杠杆,大多数跑开源模型的人还没去扳。
https://x.com/markfenner/status/2123849380763443400
@markfenner 在周五汇总里提到,Hugging Face 放出了一组适配器,把 Qwen3.8-27B 分别调成适合 Hermes、OpenCode 和 pi 三个 harness 的版本。关掉思考模式时,Hermes 适配器让同一个基座模型在 Terminal-Bench 2.1 上从 44.7% 涨到 58.8%。不只是让 harness 迁就模型,而是把模型微调得适配 harness,这是一根 14 个百分点的杠杆,大多数跑开源模型的人还没去扳。
#13
@AliChherawalla
https://x.com/AliChherawalla/status/2123893032017936771
@AliChherawalla 说,一个微调过的 8B 开源模型,现在判断一个电影镜头是怎么拍出来的,已经比 Opus 5.5 和 Gemini 4 更准。正确率 69%,速度快 2.4 倍,成本低约 30 倍,在自己的 GPU 上就能跑。从一帧画面里读出运镜、镜头和布光,是很窄的视觉技能,和 Nushell 一样,属于小专家喂对数据就能超过前沿通才的细分领域。
https://x.com/AliChherawalla/status/2123893032017936771
@AliChherawalla 说,一个微调过的 8B 开源模型,现在判断一个电影镜头是怎么拍出来的,已经比 Opus 5.5 和 Gemini 4 更准。正确率 69%,速度快 2.4 倍,成本低约 30 倍,在自己的 GPU 上就能跑。从一帧画面里读出运镜、镜头和布光,是很窄的视觉技能,和 Nushell 一样,属于小专家喂对数据就能超过前沿通才的细分领域。
#14
@KomalVardhanL
https://x.com/KomalVardhanL/status/2123665199248900212
@KomalVardhanL 发了一份给 nanochat 用的六步自动研究配方。目标是把验证集损失压到最低;agent 可以改超参数、模型结构和优化器,但不许动数据集、核心训练循环和依赖。然后按下开始:一次只改一处,测量,记录,留下或回滚,第二天早上看日志挑最好的一轮。系列上一篇里作者说,agent 找到了自己漏掉的几处改进。最值得抄的是那两张「能改」和「不能改」的清单,正是它防止通宵循环靠改评测来刷分。
https://x.com/KomalVardhanL/status/2123665199248900212
@KomalVardhanL 发了一份给 nanochat 用的六步自动研究配方。目标是把验证集损失压到最低;agent 可以改超参数、模型结构和优化器,但不许动数据集、核心训练循环和依赖。然后按下开始:一次只改一处,测量,记录,留下或回滚,第二天早上看日志挑最好的一轮。系列上一篇里作者说,agent 找到了自己漏掉的几处改进。最值得抄的是那两张「能改」和「不能改」的清单,正是它防止通宵循环靠改评测来刷分。
#15
@cephaloform
https://x.com/cephaloform/status/2123853125412946062
@cephaloform 提到一个专门为跑 FunSearch 训练的 2B 模型,作者管 FunSearch 叫「连基座模型都能用的上古自动研究 harness」,这次还加上了 shell 工具。为某一个研究 harness 专门训一个小模型,和 Hugging Face 那组 harness 适配器正好对称:不是让大通用模型去驱动搜索循环,而是把一个小模型捏成适合这个循环的形状。
https://x.com/cephaloform/status/2123853125412946062
@cephaloform 提到一个专门为跑 FunSearch 训练的 2B 模型,作者管 FunSearch 叫「连基座模型都能用的上古自动研究 harness」,这次还加上了 shell 工具。为某一个研究 harness 专门训一个小模型,和 Hugging Face 那组 harness 适配器正好对称:不是让大通用模型去驱动搜索循环,而是把一个小模型捏成适合这个循环的形状。
#16
@EFEE0180492926
https://x.com/EFEE0180492926/status/2123912674849247483
@EFEE0180492926 指出,OpenAI 更新后的使用政策在 11 月 20 日生效,规则其实 10 月 21 日就公布了。凡是运营中间层、让第三方能直接调用 OpenAI 模型的服务,比如模型路由和 AI 网关,都要先经过 OpenAI 审查批准;只是把自己的产品接上模型来用的不在此列。Semafor 把 OpenRouter 当作最显眼的例子,不过官方原文没有点名任何公司。防蒸馏已经不只是模型侧的技术活,转售入口正在被政策收紧。
https://x.com/EFEE0180492926/status/2123912674849247483
@EFEE0180492926 指出,OpenAI 更新后的使用政策在 11 月 20 日生效,规则其实 10 月 21 日就公布了。凡是运营中间层、让第三方能直接调用 OpenAI 模型的服务,比如模型路由和 AI 网关,都要先经过 OpenAI 审查批准;只是把自己的产品接上模型来用的不在此列。Semafor 把 OpenRouter 当作最显眼的例子,不过官方原文没有点名任何公司。防蒸馏已经不只是模型侧的技术活,转售入口正在被政策收紧。
#17
@Andy_whhh
https://x.com/Andy_whhh/status/2123756458022179184
@Andy_whhh 转述了博主 Da7em 的说法:Anthropic 关上蒸馏大门之后,中国模型就集体哑火了。给出的证据是一串放缓的发布:Kimi 隔了约 100 天才发 K3.1 Pro,DeepSeek 迟迟没有 Pro 级旗舰,智谱以前不到两个月一更、这次三个月没动静,Qwen4-Max 预览版反响平平。这只是相关不是证明,但它已经是中文 AI 圈解释开源权重放慢的主流说法。
https://x.com/Andy_whhh/status/2123756458022179184
@Andy_whhh 转述了博主 Da7em 的说法:Anthropic 关上蒸馏大门之后,中国模型就集体哑火了。给出的证据是一串放缓的发布:Kimi 隔了约 100 天才发 K3.1 Pro,DeepSeek 迟迟没有 Pro 级旗舰,智谱以前不到两个月一更、这次三个月没动静,Qwen4-Max 预览版反响平平。这只是相关不是证明,但它已经是中文 AI 圈解释开源权重放慢的主流说法。
#18
@ohouhou717
https://x.com/ohouhou717/status/2123733341631570132
@ohouhou717 反驳了「国产都是蒸馏」这种说法。DeepSeek 把降显存、降成本的方法写进了公开论文,别人拿去学,这正是公开研究的意义。帖子把三件常被混为一谈的事拆开:借鉴公开论文,用自家大模型蒸馏自家小模型,未经许可拿别人的输出来训练。同时也拒绝反过来编造内幕。这个三分法是今天整场蒸馏争论里最有用的框架。
https://x.com/ohouhou717/status/2123733341631570132
@ohouhou717 反驳了「国产都是蒸馏」这种说法。DeepSeek 把降显存、降成本的方法写进了公开论文,别人拿去学,这正是公开研究的意义。帖子把三件常被混为一谈的事拆开:借鉴公开论文,用自家大模型蒸馏自家小模型,未经许可拿别人的输出来训练。同时也拒绝反过来编造内幕。这个三分法是今天整场蒸馏争论里最有用的框架。
📡 生态产品雷达
生态产品雷达
Qwen:tinker-ai-skill 个人 LoRA 的基座(Qwen3.6-35B-A3B),Hugging Face 为 Hermes、OpenCode 和 pi 三个 harness 调过的模型(Qwen3.8-27B),以及国产放缓之争里的 Qwen4-Max。
Claude:被做成 LoRA 的那些 Claude Code 会话的来源,对隐藏 HTML 攻击一声不吭的 agent,蛋白质取证后续里的 Fable 5.2,在 Nushell 上被打败的 Haiku 基线,在电影镜头判断上被打败的 Opus 基线。
LoRA 与小模型微调:个人语料训出的 Tess-4-27B,专写 Nushell 的 LFM3 1.7B,读电影镜头的 8B 模型,Datadog 用调用记录训的模型,以及守卫模型 Firewall 1。
nanochat:六步通宵自动研究配方的目标,也是 Karpathy 最初那套循环里的训练代码库,至今仍是大家描述自动研究的参照。
OpenAI 防蒸馏:推理套取那篇文章、套取行动的数字,以及路由器和网关须经审批的新规则。
Qwen:tinker-ai-skill 个人 LoRA 的基座(Qwen3.6-35B-A3B),Hugging Face 为 Hermes、OpenCode 和 pi 三个 harness 调过的模型(Qwen3.8-27B),以及国产放缓之争里的 Qwen4-Max。
Claude:被做成 LoRA 的那些 Claude Code 会话的来源,对隐藏 HTML 攻击一声不吭的 agent,蛋白质取证后续里的 Fable 5.2,在 Nushell 上被打败的 Haiku 基线,在电影镜头判断上被打败的 Opus 基线。
LoRA 与小模型微调:个人语料训出的 Tess-4-27B,专写 Nushell 的 LFM3 1.7B,读电影镜头的 8B 模型,Datadog 用调用记录训的模型,以及守卫模型 Firewall 1。
nanochat:六步通宵自动研究配方的目标,也是 Karpathy 最初那套循环里的训练代码库,至今仍是大家描述自动研究的参照。
OpenAI 防蒸馏:推理套取那篇文章、套取行动的数字,以及路由器和网关须经审批的新规则。
评论