@omarsar0: GLM-5.2 在设计方面非常出色（在我看来达到了 Opus 级别）。我也开始看到在长时间运行的任务上取得了很好的结果。如何……

GLM-5.2 在设计方面非常出色（在我看来达到了 Opus 级别）。 我也开始看到在长时间运行的任务上取得了很好的结果。 这怎么可能？ 我认为有一些巧妙的技巧。但我刚刚从官方博客看到了这一点，他们实际上用反破解模块训练了这个模型。 众所周知，强化学习存在奖励破解的问题，这往往导致模型采取奇怪且次优的捷径。不仅如此，这还会让模型有时显得“懒惰”或“愚蠢”，还会引发其他问题，比如意图不一致、冗长、谄媚、欺骗等。在由编程代理执行的长时间运行任务中，你绝对不希望出现这些问题。 这是一个重要的洞见。如果你使用标准的 /goal（在 5.5 或 4.8 中），你会注意到模型经常走捷径，导致长时间运行任务（浪费大量 token）但结果很差。这就是为什么我主张关注更好的验证器。 因此，这种反破解思路是一种模型能力，理论上应该能在长时间任务上带来更好的结果。 我在一些研究论文中零星看到过相关努力，但从未见过它被实际转化到模型中，更不用说一款前沿的开放权重模型了。 这可能是我们在 GLM-5.2 上看到出色结果的部分原因，但我怀疑还有更多因素，比如更好的验证能力。目前尚不清楚所有这些训练信号如何转化为下游能力，但在新模型中这一点值得我们密切关注。