回顾大模型的发展史，从预训练的规模竞赛到后训练的对齐之争，每一个节点的突破都伴随着计算范式的重构。当o1模型横空出世，展示出强化学习（RL）在推理能力提升上的巨大潜力时，整个行业都意识到，RLHF不再...