动察 Beating tarafından yapılan izlemeye göre, Google TPU yazılım mühendisi Patrick Toulme, GLM 5.2'nin Opus'u damıtma yoluyla yakaladığı yönündeki iddiaların yanlış anlaşıldığını belirtti. Büyük modellerin akıllı ajan kodlama görevlerinde eğitim zorluğu, "sıfır gradyan ikilemi" olarak adlandırılan durumdan kaynaklanır; yani model, erken aşamada doğru çalışma yolunu üretemezse, pekiştirmeli öğrenme parametre güncellemesini başlatmak için gradyan sinyali alamaz. Claude veya GPT-5.5'in damıtılmasının tek rolü, soğuk başlangıç aşamasında sıfır gradyan ikilemini aşmak için tohum çözümler sağlamaktır.
Model soğuk başlangıç eşiğini geçtikten sonra, sonraki performans artışı artık damıtmaya bağlı olmayacak, tamamen pekiştirmeli öğrenmenin tepe tırmanma algoritmasıyla kendi kendine evrilecektir. Toulme, GLM 5.2'nin bağımsız olarak başarılı yollar üretebildiğini ve tamamen pekiştirmeli öğrenme yoluyla daha yüksek seviyelere otonom olarak yineleme yaparak ABD'nin büyük modellerine olan bağımlılığı tamamen ortadan kaldırabileceğini vurguladı.
Redis'in kurucusu Salvatore Sanfilippo, başka bir olasılık daha ekledi: Yüksek yetenekli modeller aracılığıyla akıl yürütme modellerinin (damıtma) tanıtılması, daha iyi RL sinyalleri elde etmek için çok faydalı olsa da, DeepSeek R0'nun pratiği, tamamen damıtma tohumlaması olmayan saf soğuk başlangıç durumunda bile pekiştirmeli öğrenmenin otonom olarak çalışıp atılım yapabileceğini kanıtladı.
Aynı zamanda, soğuk başlangıç eşiğinin hala aşılması gerekiyorsa, büyük model araştırma ve geliştirmesinin, ABD API'lerine bağımlı olmak yerine, DeepSeek-v3.2 gibi yerel açık kaynak modelleri kullanarak ince ayar yapabileceğini düşünüyor.
