行业观察官方发布 · blog.redwoodresearch.org
Redwood Research 质疑 Google DeepMind 是否在链式思考上训练
OmniTools 11月11日消息,Redwood Research 发文称,Gemini 4 安全报告第 114 页似乎暗示 Google DeepMind 使用辅助奖励在链式思考上训练。该说法与 Google DeepMind 此前“不因链式思考内容惩罚模型”的表态相矛盾。
Redwood Research 指出,这一差异值得关注。Google DeepMind 员工否认在 CoT 上训练,但未解释相关细节。