IXThinker·2025-05-27 14:10

研究員拆解 Claude 4 的思考機制

Claude 4 上線後，有用戶僅靠一個提示就做出包含 API 與前端的瀏覽器智能體，關於模型是否「有自己想法」的討論亦隨之發酵。Anthropic 兩位資深研究員在訪談中逐一回應，披露了模型運作的技術細節。

RLVR 範式

研究員 Sholto Douglas 等人表示，可驗證獎勵強化學習（RLVR）的範式已在編程與數學領域得到證明，因為這些領域容易獲得清晰的正誤信號，便於大規模訓練；以人類反饋為核心的 RLHF 路線則被認為已非主要方向。