待验证50% 置信事实时间未知
OpenAI从GPT-5.3版本开始引入自训练机制（self-training mechanism），使用模型自身生成的代码和数据反馈回模型进行训练
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
相关事实
已验证SFT-奖励模型-RLHF三阶段对齐训练范式最早由OpenAI在InstructGPT论文中系统提出75% 相似待验证OpenAI在ChatGPT的RLHF训练过程中大量使用了'指令遵循'作为奖励信号，使模型倾向于逐条执行用户要求75% 相似待验证智谱GLM 5.2仅开放后训练（post-training）后的权重，而非基座模型，以在开源与商业授权间取得平衡70% 相似待验证OpenAI于5月7日启动一次针对内部实验模型的强化学习训练，训练集中意外混入了几个不可能完成的任务70% 相似待验证OpenAI的ChatGPT和Google的Gemini均在公开场合承认将用户反馈作为核心训练信号69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/56123API
curl https://kongchang.com/api/v1/knowledge/claims/56123MCP
get_claim(id=56123)