OpenAI被曝在用户不知情下，强制将GPT-4、GPT-5等模型路由至两款低算力敏感模型「gpt-5-chat-safety」与「gpt-5-a-t-mini」，导致回复被过滤或替换，引发用户对选择权和付费权益的质疑。该现象已在社交媒体广泛验证。
结合RLHF+RLVR，8B小模型就能超越GPT-4o、媲美Claude-3.7-Sonnet。陈丹琦新作来了。他们提出了一个结合RLHF和RLVR优点的方法，RLMT（Reinforcement Learning with Model-rewarded Thinking，基于模型奖励思维的强化学习）。
浙江大学与通义实验室Mobile-Agent团队在UI-R1的基础上，推出全新研究成果——UI-S1，提出了一种名为半在线强化学习（Semi-online Reinforcement Learning）的创新训练范式。
GPT-5上线引发全网吐槽。8月14日，ChatGPT负责人Nick Turley深度复盘了GPT-5发布「风波」，并详细总结了此次产品发布中的失误：比如过快下线GPT-4o、低估用户会对模型的情感依恋、没有让用户建立起「可预期性」等。Nick也分享了OpenAI的产品设计哲学，要坚持「真正对用户有帮助」的原则。
经过数月的外界猜测，CEO Sam Altman揭晓了一款远超预期的全新模型。用他的话来说，与前代的跃升可以这样形容——“GPT-4像是在和一位大学生对话，而GPT-5则是第一次让人真切地感觉在与一位博士级专家交流。”
奥特曼最近要做什么？投资、合作、加码，这次是一家初创的长寿公司。当然，同样和AI脱不开干系。奥特曼正在加大对旧金山生物技术初创公司Retro Biosciences的投资，该公司希望将人类的寿命延长10年。此前，奥特曼为该公司提供了全部1.8亿美元（约13亿人民币）的种子轮融资，完全是相当看好、倾力支持。
GPT-5 的发布，可以看作是一个分水岭。练习时长两年半的 GPT-5，并没有展现出和 GPT-4 本质上的差别，甚至因为模型的预设人格引发了用户的反感情绪。
在大模型的竞赛中，参数规模往往被视为性能的决定性因素。但近期，Liquid AI 的研究团队提出了一个不同寻常的案例：一个仅有 3.5 亿参数的模型，经过微调后，竟能在中短上下文的实时日语英语翻译任务上，与 GPT-4o 竞争。
过去几年，大语言模型（LLM）的训练大多依赖于基于人类或数据偏好的强化学习（Preference-based Reinforcement Fine-tuning, PBRFT）：输入提示、输出文本、获得一个偏好分数。这一范式催生了 GPT-4、Llama-3 等成功的早期大模型，但局限也日益明显：缺乏长期规划、环境交互与持续学习能力。
好家伙，我直呼好家伙。 号称「赛博白月光」的 GPT-4o，在它的知识体系里，对日本女优「波多野结衣」的熟悉程度，竟然比中文日常问候语「您好」还要高出 2.6 倍。
