谷歌DeepMind研究员揭秘：Coding模型是怎么炼成的，模型上限在哪

本期硅谷洞察局聚焦于 Coding 大模型的训练范式与未来发展。Warren Chen 作为前 Google DeepMind 研究员，深入解析了大模型训练的三大经典阶段：Pre-training, Supervised Fine-tuning 和 Reinforced Learning，并阐述了从 RLHF（人反馈强化学习）到 RLVF（可验证反馈强化学习）的演进。讨论强调了 Coding 领域中 verifiable reward 的重要性，并提出了 Meet Training 的新概念，即在 SFT 阶段注重 behavior seeding 而非 teach。Warren 认为，未来的创业机会在于抓住 Agentic 能力，构建强大的 Agent Environment，并探索 Agent Identity 的新 IAM 层。