今天的新闻

听说 gpt-5-codex 在 OpenAI 被广泛用于自动化研究工作，并且 OpenAI 的 RL 训练器比 GRPO 好得多。

如果我今天开始攻读博士学位，我可能会想研究在非大语言模型和大语言模型之间的小模型领域的强化学习的规模法则。这感觉还没有被充分探索。