智谱 “后训练仙人”的SAO操作（0824）@华泰计算机 模型能力提升，是以数据为燃料，预训练基座为大脑，后训练为行动 。Agentic时代，后训练的重要性被提
- 序号：352
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
智谱 “后训练仙人”的SAO操作（0824）@华泰计算机
模型能力提升，是以数据为燃料，预训练基座为大脑，后训练为行动 。Agentic时代，后训练的重要性被提高。
智谱GLM-5.3延续5.2约700B的基座，继续靠强化后训练，已经能做到接近K3 2.8T大基座的水平，说明智谱后训练能力在国产模型中的领先性。
重温一下后训练仙人智谱 的后训练代表算法——26年7月发表的SAO 。SAO本质上升级了DeepSeek-R1的GRPO算法，顺应了Agentic时代的长/复杂推理，让不同长短的答案，在生成之后直接去做RL，并且辅以过时答案的过滤等机制，效果显著。
更有意思的是，SAO这种“一条经验回来就能学”的方式，天然更接近让Agent边干活、边学习、持续进化，也为后续的continue_learning打下了基础。如果这条路最终跑通，后训练的意义还会再上一个台阶：模型发布可能不再是一个静态终点，而是持续学习的起点。
近期ox-alpha新模型的测试也是大家的关注点，有些公开探讨说是智谱的新模型，这个目前还没有定论，不做评判。
总体总结
主题正文
- 智谱 “后训练仙人”的SAO操作（0824）@华泰计算机
- 模型能力提升，是以数据为燃料，预训练基座为大脑，后训练为行动 。
- 智谱GLM-5.3延续5.2约700B的基座，继续靠强化后训练，已经能做到接近K3 2.8T大基座的水平，说明智谱后训练能力在国产模型中的领先性。
- 重温一下后训练仙人智谱 的后训练代表算法——26年7月发表的SAO 。
- SAO本质上升级了DeepSeek-R1的GRPO算法，顺应了Agentic时代的长/复杂推理，让不同长短的答案，在生成之后直接去做RL，并且辅以过时答案的过滤等机制，效果显著。
- 更有意思的是，SAO这种“一条经验回来就能学”的方式，天然更接近让Agent边干活、边学习、持续进化，也为后续的continue_learning打下了基础。
- 如果这条路最终跑通，后训练的意义还会再上一个台阶：模型发布可能不再是一个静态终点，而是持续学习的起点。
- 近期ox-alpha新模型的测试也是大家的关注点，有些公开探讨说是智谱的新模型，这个目前还没有定论，不做评判。