反转！Claude 3.5超大杯没有训练失败，最新爆料：内部自留，用于合成数据和RL训练

Claude 3.5 Opus训练成功但未公开，仅用于内部数据合成和强化学习奖励建模。Claude 3.5 Sonnet通过这种方法训练，性能提升显著，推理成本无明显增加。semianalysis文章分析了当前大模型开发面临的挑战与现状，强调新范式不断涌现，AI进程未减速。新范式包括合成数据、改进的RLHF（如DPO）、AI替代人类反馈（RLAIF）和通过搜索扩展推理计算。
来源：https://mp.weixin.qq.com/s/B7fKdaJMgFr17rIXZxarvA