EP4: 谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪

谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪 一线洞察，深度思考。硅谷核心科技从业者，带你触摸AI变革深处。 --- 📌 本期看点 英伟达GTC大会刚刚落幕，大模型在过去半年经历了一轮又一轮的迭代。本期节目，我们请到了前Google DeepMind资深研究员Warren Chen——一位在coding agent方向深耕多年、现已投身创业的一线技术人，和我们做了一场关于大模型训练范式演化的硬核技术对谈。 从Pre-training到RLHF，从Verifiable Feedback到Mid-Training，从Harness Engineering到Agent Environment——Warren用"看课本、做习题、考试"的类比，把大模型训练的三次范式跃迁讲得通透。如果你想理解为什么Coding Agent突然爆发、为什么Anthropic能持续领先、以及创业者该押注什么方向，这期不容错过。 --- 📖 本期术语速查（听到不熟悉的词？翻这里） Pre-training（预训练）：让AI把互联网上海量文字都"看"一遍，相当于通读所有课本 SFT（监督微调）：给AI做示范题，手把手告诉它"这道题应该这么答" RLHF（人类反馈强化学习）：请人类给AI的两个回答打分，AI学着挑人更喜欢的那个 RLVF（可验证反馈强化学习）：不用人打分了，直接对答案。