OpenAI没开源的gpt-oss基础模型，他去掉强化学习逆转出来了
OpenAI没开源的gpt-oss基础模型，他去掉强化学习逆转出来了前些天，OpenAI 少见地 Open 了一回，发布了两个推理模型 gpt-oss-120b 和 gpt-oss-20b。
来自主题: AI资讯
6754 点击 2025-08-13 18:19
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
前些天，OpenAI 少见地 Open 了一回，发布了两个推理模型 gpt-oss-120b 和 gpt-oss-20b。
最近 AI 界的大新闻是 GPT-5 和谷歌的世界模型 Genie 3。然而，在无人在意的角落里，微软悄悄把 Edge 进化成了了 AI 浏览器。
制作一个视频需要几步？可以简单概括为：拍摄 + 配音 + 剪辑。 还记得 veo3 发布时引起的轰动吗？「音画同步」功能的革命性直接把其他视频生成模型按在地上摩擦，拍摄 + 配音 + 粗剪一键搞定。
随着AI时代的到来，上一代取得巨大成功的互联网产品都在紧密地结合大模型的能力，为用户提供焕然一新的服务和产品体验。这其中，部分产品走在了变革前沿，不仅利用大模型完成了产品重塑，还借助AI开启了产品的第二增长曲线。
相信我们的读者都对 AI 顶会有非常大的关注和热情，有的读者最近可能刚从 NeurIPS rebuttal 脱身，又开始为下一篇做准备了。 作为推动技术革新与思想碰撞的核心引擎，顶级学术会议不仅是整个学界的生命线，更是我们洞察未来的前沿阵地。
强化学习（RL）是锻造当今顶尖大模型（如 OpenAI o 系列、DeepSeek-R1、Gemini 2.5、Grok 4、GPT-5）推理能力与对齐的核心 “武器”，但它也像一把双刃剑，常常导致模型行为脆弱、风格突变，甚至出现 “欺骗性对齐”、“失控” 等危险倾向。
GUI 智能体正以前所未有的速度崛起，有望彻底改变人机交互的方式。然而，这一领域的进展正面临瓶颈：现有数据集大多聚焦于 10 步以内的短程交互，且仅验证最终结果，无法有效评估和训练智能体在真实世界中的长时程规划与执行能力。
首次实现“训练-推理不对称”，字节团队提出全新的语言模型训练方法：Post-Completion Learning (PCL)。 在训练时让模型对自己的输出结果进行反思和评估，推理时却仅输出答案，将反思能力完全内化。
近年来，强化学习（RL）在大型语言模型（LLM）的微调过程中，尤其是在推理能力提升方面，取得了显著的成效。传统的强化学习方法，如近端策略优化（Proximal Policy Optimization，PPO）及其变种，包括组相对策略优化（Group Relative Policy Optimization，GRPO），在处理复杂推理任务时表现出了强大的潜力。
时间是最好的试金石，AI领域尤其如此。当行业热议大模型走向时，商汤早已锚定「多模态通用智能」——这是商汤以深厚研究积累和实践反复验证的可行路径。今天，商汤科技联合创始人、执行董事、首席科学家林达华特别撰写的万字深度长文正式发布。文章剖析了商汤为何将「多模态通用智能」视为技术战略的核心引擎，也探索性阐释了在组织及战略层面的诸多思考。通往AGI的拼图中，多模态是缺一不可的基石。