💬 观点Nathan Lambert
What I’ve been building: ATOM Report, post-training — Nathan Lambert 分享其近期项目：ATOM报告、RLHF新书、后训练
Nathan Lambert 分享其近期项目：ATOM报告、RLHF新书、后训练课程及前沿研究，为AI从业者提供生态洞察与实用资源。
2026-04-14原文
本文为要点摘要，完整细节以原文为准。
🧭 一图看懂
由原文自动提炼 · 以原文为准点击任一分支，查看这一点的一句话解读
Nathan Lambert 近期项目汇总
发布开放语言模型生态技术报告，含 RAM 指标与中美模型分析
- 论文 arXiv:2604.07190
- RAM 分数 >1 预示同尺寸前 10 下载量
- 分析 GPT-OSS、Gemma 4、Moonshot、Z.ai…
🔗 涉及的概念与玩家
- Nathan Lambert人物
- ATOM Report产品
- RLHF Book产品
- Manning公司
- GPT-OSS模型
- Gemma 4模型
- Moonshot公司
- RAM概念
- Nathan Lambert—发布→ATOM Report
- Nathan Lambert—撰写→RLHF Book
- RLHF Book—交付→Manning
- ATOM Report—使用→RAM
- ATOM Report—分析→GPT-OSS
- ATOM Report—分析→Gemma 4
本文汇总了作者近期的多项工作，旨在为AI社区提供实用的工具和知识。
- ATOM报告更新：介绍了用于追踪开源语言模型生态的“相对采用指标”（RAM），该指标能归一化地评估不同规模模型的采用趋势，例如分析了Gemma 4的早期采用数据。这对开发者意味着提供了一个量化工具，以更清晰地把握模型流行度和技术风向。
- RLHF书籍与配套课程：作者完成了关于人类反馈强化学习（RLHF）的书籍，并配套开发了免费的视频课程，涵盖从基础到实现的完整学习路径。这为希望深入理解后训练技术的从业者提供了体系化的教育资源，降低了学习门槛。
- 前沿技术研究参与：作者参与了两篇论文，一篇探讨多轮对话中模型能力的差距与训练数据构建，另一篇研究将元学习与自我反思应用于智能体搜索。这些研究指向了AI智能体开发中的核心挑战——如何优化交互与持续学习，为工具链设计提供了新的思路。
原文：What I’ve been building: ATOM Report, post-training course, finishing my book, and ongoing research · 作者 Nathan Lambert
🕸 顺着图谱继续读
- Gemma 4 and what makes an open model succeed — 分析Gemma 4等开源模型成功的关键，指出当前生态的机遇与挑战。2026-04-03 · 共同涉及 Gemma 4、GPT-OSS、Nathan Lambert
- 5 useful things you'll learn in my new post-training — Nathan Lambert 新书发布，提炼 RLHF 与后训练的核心直觉、历史2026-08-10 · 共同涉及 Nathan Lambert、Manning
- Some ideas for what comes next, May 2026 — Nathan Lambert 预测 2026 年 AI 格局：开源模型在智能体应2026-05-26 · 共同涉及 Nathan Lambert、Gemma 4
- My bets on open models, mid-2026 — Nathan Lambert 预测 2026 年中开源与闭源模型的复杂竞争格局，2026-04-15 · 共同涉及 Nathan Lambert、Gemma 4