北京时间 9 月 13 日午夜，OpenAI 发布 o1 系列模型。OpenAI o1 在数学、 代码、长程规划等问题上取得了显著提升，而背后的成功最重要离不开后训练阶段 (Post-Training Stage) 中强化学习训练。新的扩展律 —— 后训练扩展律（Post-Training Scaling Laws） 已经出现，并可能引发社区对于算力分配、后训练能力的重新思考。
独家视频解读：【北大对齐团队独家解读：OpenAI o1开启「后训练」时代强化学习新范式】https://mp.weixin.qq.com/s/FXGdJA8OyZvLl89rXJiyAQ
