Nat Lambert：post-training 与「post-post-training」是两门不同手艺

AI 研究者 Nat Lambert（前 Hugging Face 后训练负责人）发推指出，post-training（后训练）与 post-post-training（后后训练）是「完全不同的技艺」。他用一句话点出行业正在分化出的新阶段：RLHF/DPO 式的经典后训练，与基于环境反馈、agent 经验的持续改进方法正在分开演进。