热点事件持续更新
Fleuret 提出对齐三步法：预训练大量 RL、token 标听/想/说
1 篇报道1 个报道来源28 分钟前更新
先了解这件事
AI 综述
据 AGI Hunt 2026 年 10 月 28 日报道，前 Meta、Apple 研究科学家 François Fleuret 提出一套个人对齐方案。该方案主张预训练阶段就应包含大量强化学习，让模型从一开始就「说话」；同时把每个 token 标注为「heard（听到）」「thought（想）」「said（说）」三类，再由一个「母模型」只对「说出口」的句子给予鼓励或批评，内心想法不受惩罚。按其设想，这样可让模型「想得自由、说得负责」。报道以「三步法」概括该方案，但公开内容主要是上述 token 标注与母模型反馈机制，尚无实验数据或后续回应。
AI 根据报道生成 · 15 分钟前更新
最新进展10月28日 15:36
Fleuret 公开对齐设想：预训练即大量用 RL，token 标注听、想、说，母模型只评「说出口」内容。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI HuntFrançois Fleuret 提出对齐三步法：预训练阶段融入大量 RL、为每个 token 标注「想/说」
前 Meta/Apple 研究科学家 François Fleuret 提出个人对齐方案：预训练阶段就应包含大量 RL，让模型从一开始就「说话」。每个 token 都被标注为「heard（听到）」「thought（想）」或「said（说）」三类。再由一个「母模型」只对「说出口」的句子进行鼓励或批评，内心想法不惩罚，从而让模型「想得自由、说得负责」。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。