#RL后训练

3小时前

读了 Gemini 3 的 model card，会发现 Gemini 3 明确不是 Gemini 2.5 的微调，它是全新训练的 sparse MoE 。也就是说，在 Gemini 2.5 已经非常出色的 RL 后训练和 parallel thinking 基础上，崭新的 backbone 让 Gemini 3 非常出色，总结这半年 Gemini 的工作： 1. 出色的 RL 后训练 2. parallel thinking 3. 崭新的 backbone 4. 一个又一个公开的对行业有益的benchmark，如 IMO-Bench 对比一下这半年 OpenAI 做了什么？ 1. 不存在的 GPT-5 2. Adaptive thinking, 主打一个为企业省钱，把用户当sb 2. 被人遗忘的 agent mode 3. proactive assistant，涌动的广告之心 4. credit expiration，紧盯着用户的钱包 5. Sam 永无止境的 Hype 什么是伟大的公司，什么是鸡贼的公司？

#Gemini 3 #全新训练 #sparse MoE #RL后训练 #parallel thinking