LLMJunky 自嘲在训练两个「SLM」：9 个月预训练，奖励机制靠零食

LLMJunky 用大模型训练口吻晒娃式自嘲：手上两个「SLM」正在 post-training，各自预训练花了 9 个月，算力账单还在来。RL 除「奖励黑客」（一哭就有零食）外进展顺利，幻觉率高、输出高度重复（「为什么」问 400 遍）、对蔬菜和睡觉拒绝率极高。这两只「模型」在「制造混乱」基准上碾压，在「收拾混乱」上翻车。