同时推开四扇门，更难的是关门。 配售公告、完成配售，前后共4天。这让夹在中间的内部信，不可避免地成为一份暗含指向的战略说明书。 7月11日，智谱创始人、清华大学教授唐杰发布内部信《巨浪已来》。这封内部信中，他没有谈配售价或盈利期限，而是提出未来两年的 ...

agent 就是你写的那段程序，trainer 就是一个 actor，reward 是你在 Env 或 ChatAgent 里随手写的任意 Python。剩下的活儿三个大件全包了。README 里反复强调一个数字：大约 8600 行 RL 代码（推文里说的 9K 是个约数），却能撑到 1T 级别的 MoE。 OpenRLHF 的 ...