传闻：OpenAI与Anthropic靠游戏模拟环境RL提升推理

2026年10月28日，AGI Hunt 发布一则传闻汇总称，OpenAI 与 Anthropic 的内部模型正在游戏和模拟环境中进行更激进的强化学习（RL），推理能力因此出现跃升，并且可以迁移到研究、数学等领域。报道明确表示该说法未经证实，其给出的佐证是两家公司的招聘信息：OpenAI 有 Synthetic RL 相关岗位，涉及 self-play、模拟器与合成反馈；Anthropic 则有 Universes 职位，以及数学推理 RL 方向的招聘。报道没有提供具体模型、基准测试或数据层面的证据，也没有提到两家公司对该传闻的公开回应。目前此事仅停留在传闻与招聘信号层面，尚无进一步进展。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。