模型觀點 · 本週 （事件日 08-20）
本篇出自 2026年8月21日 晨報
先講這是誰：Z.ai（智譜）是中國的前沿模型團隊，GLM 系列開放權重模型的開發者，執行長唐杰是清華大學電腦系教授出身。他針對新版 GLM-5.3 提出兩件事（Latent Space，08-20）。第一，參數量已經不足以描述一個模型，要跟資料量、算力花在哪、誰在什麼條件下跑它一起看。第二件才是重點：模型先讀海量文本做預訓練，再用強化學習等方法做後訓練——近兩年能力躍升的主要來源是後者。而後訓練要擴大規模，難的已經不是模型本身，是環境：一個模型可以實際動手操作、要跑很多步才知道成不成功的模擬工作場域（例如給它一整套機器學習基礎設施，要它診斷訓練流程的瓶頸、實作最佳化、跑實驗，並在不弄壞正確性的前提下交出可量測的加速）。這種環境過去靠人工一個一個蓋。唐杰說 Z.ai 已經建好一條產線，把環境端到端合成出來，部分任務連獎勵訊號也一起合成；更關鍵的是打分器是在看不到參考答案的情況下被合成的，要通過三關檢查（餵標準答案要判過、餵「什麼都沒做」要判不過、餵沒解完的中間狀態也要判不過）才算數。
這支持或反駁了本報過去哪條判斷： 本報長期追蹤一條判斷——AI 能力擴張真正的約束不在算力，而在人類驗證的頻寬：機器產出得越快，能判斷「這個對不對」的人就越是瓶頸。唐杰這套說法若成立，等於機器繞過了那個瓶頸的一段。本報保留這個張力，但沒有動那條判斷的分數，理由要說清楚：①這是廠商對自家未發表方法的自述；②沒有第三方複製、沒有對照實驗、沒有任何效能數字，也就是原文沒給 GLM-5.3 的評測分數、沒給提升幅度；③原文說能力躍升「完全」（solely）來自長時程強化學習環境，那個「完全」是原文用詞，本報不認為這代表「唯一原因」。而且那三關檢查本身仍然是一個代理指標，模型仍可能找到「不真的解題也能拿分」的捷徑——那正是那條判斷所描述的失效型態。本報今天也因此主動拒收了一條由它衍生的推論（「環境可以量產，所以環境的稀缺價值會被壓掉」）：唯一地基是單一廠商的自述，升格會讓一句行銷語變成本報的機制主張。
怎麼用： 如果你正在編「該不該自建訓練環境」的預算，這條材料給的不是答案，是兩個相反世界的判準——環境供給若真能自動化，靠人工蓋題庫建立的優勢會被壓縮；若只在容易驗證的領域成立，環境仍是稀缺資產，價值會往手上有真實工作流資料的一方集中。 要驗只看兩件事：別人能不能在自己的長時程測驗上重現這個提升幅度，以及那套自動打分真的擋不擋得住抄捷徑。
只留 email，隨時退訂。這是我們唯一想請你做的事。
2025 年 12 月 20 日，OpenAI 發表〈Monitoring Monitorability〉，把「思維鏈好不好監控」做成可量測指標，最關鍵的發現之一逐字是「RL op…
CyberGym 是柏克萊團隊做的公開測驗，收了 1,507 個真實漏洞、涵蓋 188 個開源專案，資料來自 Google 維運的開源模糊測試平台 OSS-Fuzz，所以那些漏洞天…
先解釋：現在的大模型多半是專家混合架構，不是每個字都跑整個大模型，而是把每個字分派給少數幾個專門的子模型，所以模型可以很大而每次只用一小塊算力。工程上常見的省錢做法是「把最不重要的…
美國艾倫人工智慧研究院 9 月 1 日發表 BenchMIRT，用試題反應理論的多維版本逐題拆一個評測到底在量什麼，這套方法本來是心理測驗用來從答題模式估能力的。它吃了 100 個…