OpenAI 曝光 GPT-7 训练细节：打造缓存网页「离线世界」供前沿 RL 使用

OpenAI 披露其前沿模型 RL 训练方法：构建由已索引、已缓存网页组成的「离线世界」，让模型在其中交互而不影响外部系统，避免任意访问真实互联网。所有前沿 RL 训练均采用这种离线交互模式。转发者 danielmac8 称这是「为训练 GPT-7 打造的平行数字宇宙」，并注明 GPT-7 为其个人说法。