RL 就像「试错学习」，比如玩游戏时通过不断尝试找到最优策略；GRPO 是一种改进的 RL 方法，能让语言模型学得更快更好。以前的研究证明它们对自回归模型很有效，但在扩散语言模型（dLLM）中用得还不多。

MobileNet-V5以MobileNet-V4为基础，但架构显著扩大，并采用混合深度金字塔模型，比最大的MobileNet-V4变体大10倍，同时还引入了一种新颖的多尺度融合VLM适配器。

再早些时候，在今年2月，奥特曼还曾在X上发文表示，OpenAI的一大目标，就是通过创建能使用所有工具、知道何时长时间思考或不思考的系统，来统一o系列和GPT系列模型，使其胜任广泛任务。