传闻汇总：OpenAI、Anthropic 内部模型靠游戏与模拟环境 RL 实现推理跃升

未经证实的传闻称，OpenAI 与 Anthropic 内部模型在游戏和模拟环境中做更激进的 RL，推理能力因此跃升并可迁移到研究数学等领域。佐证包括 OpenAI 的 Synthetic RL 招聘（self-play、模拟器、合成反馈）与 Anthropic 的 Universes 职位、数学推理 RL 招聘。