这是什么

9月24日，Amazon 团队公开了 Rufus-Air 训练手册：把 GLM-4.5-Air-Base（1060 亿参数的开源基座模型）按顺序做监督微调、推理、代码、指令、通用 Agent、编码 Agent、搜索 Agent 和 RLHF（基于人类反馈的强化学习）共 8 个阶段，同时公布数据筛选、奖励设计、阶段排序、基础设施的全部细节。

值得普通人留意的，不是"8 步"这个数字，而是一条更朴素的原则——我们把它总结为"先硬后软、设门晋级"：早期只用能明确判对错的硬奖励（数学答案、代码测试通过与否），后期才引入依赖主观感受的软奖励（回答讨不讨人喜欢）。每步设门禁，目标能力涨不到 2% 不晋级，通用能力倒退超 1% 立刻回滚。

行业怎么看

支持者认为，这份手册把行业常被省略的工程细节摆回桌面：数据过滤、奖励可靠性、阶段门禁、回滚机制——比又一个跑分榜单更有长期价值。中小团队不必复刻 1060 亿参数训练，但能抄走"奖励排序、难度过滤、阶段门禁、可回滚检查点"这套工程骨架。

反对意见同样明确。"开放"不等于低成本，复现仍需巨额算力和严格的数据版本管理；没有新增人工标注和内部教师蒸馏，意味着某些能力上限被悄悄封死；"竞争性结果"不等于对所有模型和语言都最优。我们也注意到一个隐忧：只追"每阶段都涨"的指标，可能让模型学会讨好裁判，而非真正学会任务本身。

对普通人的影响

  • 对企业 IT：采购 AI 服务时，可以问供应商"你们的奖励是硬指标还是软裁判"——这是区分工程成熟度的实在问题。
  • 对个人职场：用 AI 做代码或文档审查，可验证的部分（代码跑不跑得通、数据对不对）会更可靠，涉及语气和风格的部分仍需人工把关。
  • 对消费市场：消费级 AI 产品的体验差异，本质上来自背后训练阶段的设计，不全是"参数大小"的锅。