技术博客

资深研究员在最新博客访谈中探讨了Claude 4的思考机制，指出基于人类反馈的强化学习（RLHF）已逐渐过时，取而代之的是基于人类验证的强化学习（RLVR）。后者已在编程和数学领域得到成功验证，展现出更高的效率与准确性。这一转变标志着AI训练方法的重要进步。