Nathan Lambert @natolambert

好帖子，封闭实验室使用的一些强化学习细节正慢慢泄露出来。 [引用 @mrtnm]：Tinker 新的 StableReinforce 目标函数是 Reinforce + Score Centering。以下是我如何逆向工程它的 🧵

• 开源模型研读清单在 Hacker News 发布2026-09-14