待验证50% 置信事件精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/15
首次发现
来源
相关事实
待验证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70% 相似待验证OpenAI Five用强化学习训练出能击败职业电竞选手的Dota 2 AI68% 相似待验证OpenAI在训练灵巧手解魔方时使用了自动域随机化（Automatic Domain Randomization），通过动态调整环境难度保证训练效率65% 相似待验证OpenAI在InstructGPT论文中证明，少量高质量人类偏好数据对模型对齐的贡献远超大规模无监督训练65% 相似待验证Karpathy指出OpenAI早在2016年做Agent太早，因为纯强化学习路线需要海量环境交互样本，在语言理解和工具调用层面几乎无法泛化65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/752152API
curl https://kongchang.com/api/v1/knowledge/claims/752152MCP
get_claim(id=752152)