Unverified50% confidenceFactTime unknown
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
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Related Claims
VerifiedSFT-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% similarUnverifiedOpenAI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% similarUnverified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% similarUnverifiedOpenAI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% similarUnverifiedOpenAI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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/56123API
curl https://kongchang.com/api/v1/knowledge/claims/56123MCP
get_claim(id=56123)