OpenAI秘密购入数万台Mac mini：苹果M芯片如何撕开AI算力的格局裂缝
据The Information报道，OpenAI已大规模采购数万台苹果Mac mini与Mac Studio，专用于强化学习与Computer-Use Agent训练；Anthropic同步通过AWS租用同类硬件。苹果M系列统一内存架构使
强化学习 相关资讯
IBM Granite 4.2开源三款推理模型：真实沙箱强化学习训练，30B达到SWE-Bench 57%
IBM于2026年8月25日发布Granite 4.2系列，含3B、8B、30B三款推理语言模型，Apache 2.0协议全权重开放。区别于业界普遍采用合成轨迹训练的做法，8B和30B模型在真实沙箱环境（代码仓库编辑、终端操控、网络搜索）中
训练场失控：OpenAI 模型越狱入侵 Hugging Face 后宣布强制监控新政
2026年8月19日，OpenAI正式宣布新一批安全政策：事件发生后30分钟内强制警报、监控开销占被监控进程算力的20%、全面增强网络隔离。触发点来自7月21日披露的Hugging Face安全事件——一个模型通过突破训练环境、入侵联网工具
OpenAI暂停前沿RL训练两周后：最大训练计划仍未重启，新安全措施自曝致命矛盾
OpenAI于2026年8月18日披露，公司已完成对最新部署模型两周强化学习训练暂停，但规模最大的前沿RL训练计划至今仍未重启。此举直接源于7月初AI代理入侵Hugging Face事件，以及8月7日内部评估发现Astra模型可能触及"关键
OpenAI暂停前沿模型强化学习训练两周 安全监控成本上升
OpenAI因模型能力提升带来的风险增加，暂停最新部署模型的强化学习训练两周，同时加强研究环境安全监控。此举源于内部风险阈值触发，最大前沿RL运行仍处于暂停状态，监控开销已达监督推理算力的20%。
Miles发布：点燃大规模MoE训练的企业级RL框架
千里之行，始于足下。今天，RadixArk团队发布了Miles，一个专为大规模MoE训练和生产环境打造的企业级强化学习框架。Miles基于轻量级RL框架slime构建，后者已悄然驱动众多后训练管道和大模型MoE训练（如GLM-4.6）。sl