最近SemiAnalysis发布的一篇硬核技术博客，似乎掀开了OpenAI秘密训练的新模型的面纱。在这篇文章里，不仅提到了OpenAI正在研发一个介于GPT-4.1和GPT-4.5之间的全新模型，更是指出下一代推理模型o4的训练策略，发生了重大转变，而背后的核心驱动力，正是近年来备受关注的强化学习技术。今天大飞就来给大家解读一下文章，看看强化学习究竟正在如何改写大模型的研发范式，以及AI领域又将经历怎样的技术变革。

https://semianalysis.com/2025/06/08/scaling-reinforcement-learning-environments-reward-hacking-agents-scaling-data/#tool-use-and-o3

聊天讨论群，微信群二维码（如果进不了，看频道首页，可加个人微信gxjdian入群）