{"id":498797,"date":"2026-10-15T15:30:13","date_gmt":"2026-10-15T12:30:13","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=498797"},"modified":"2026-10-15T15:30:13","modified_gmt":"2026-10-15T12:30:13","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=498797","title":{"rendered":"\u0420\u0435\u0448\u0438\u043b\u0438 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c. \u041d\u043e\u0432\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0446\u0435\u043d\u0443 reward hacking \u0432 \u043f\u043e\u0441\u0442-\u0442\u0440\u0435\u043d\u0438\u043d\u0433\u0435"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/extt\/bb\/a5\/4e\/bba54eaac3edc7cb7f1b756cecf784d7.png\" width=\"1169\" height=\"658\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/extt\/bb\/a5\/4e\/bba54eaac3edc7cb7f1b756cecf784d7.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/extt\/bb\/a5\/4e\/bba54eaac3edc7cb7f1b756cecf784d7.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u0413\u0440\u0443\u043f\u043f\u0430 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u0435\u0439, \u0441\u0440\u0435\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0425\u044d\u043c\u0438\u0448 \u0410\u0439\u0432\u0438\u0441\u043e\u043d, \u043e\u0434\u0438\u043d \u0438\u0437 \u0430\u0432\u0442\u043e\u0440\u043e\u0432 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u0440\u0435\u0446\u0435\u043f\u0442\u043e\u0432 \u043f\u043e\u0441\u0442-\u0442\u0440\u0435\u043d\u0438\u043d\u0433\u0430 T\u00fclu \u0438 OLMo, 14 \u043e\u043a\u0442\u044f\u0431\u0440\u044f <a href=\"https:\/\/huggingface.co\/papers\/2610.19525\">\u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043b\u0430<\/a> \u0440\u0430\u0431\u043e\u0442\u0443 \u043e \u043c\u0435\u0442\u043e\u0434\u0435 CaLIF. \u041e\u043d \u0440\u0435\u0448\u0430\u0435\u0442 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u0443\u044e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c \u043d\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u0445 \u043d\u0430\u0433\u0440\u0430\u0434\u0430\u0445, RLVR, \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c. \u041c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0442\u044c \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0432\u0440\u043e\u0434\u0435 \u00ab\u0440\u043e\u0432\u043d\u043e \u0442\u0440\u0438 \u0430\u0431\u0437\u0430\u0446\u0430\u00bb \u0438\u043b\u0438 \u00ab\u0431\u0435\u0437 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0442\u0438\u0440\u0435\u00bb \u0438 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u0435\u0442 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441.<\/p>\n<h2>\u0412 \u0447\u0435\u043c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430<\/h2>\n<p>\u0411\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438 \u0432\u0440\u043e\u0434\u0435 IFBench \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0442, \u0441\u043e\u0431\u043b\u044e\u0434\u0435\u043d\u044b \u043b\u0438 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u043d\u0430 \u0444\u043e\u0440\u043c\u0443 \u043e\u0442\u0432\u0435\u0442\u0430. \u041e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043b\u0438 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u0441\u0430\u043c \u0437\u0430\u043f\u0440\u043e\u0441, \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u043d\u0435 \u0432\u0438\u0434\u0438\u0442. \u041c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043f\u043e\u043b\u043d\u044b\u0439 \u0431\u0430\u043b\u043b, \u043f\u043e\u0447\u0442\u0438 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0441\u043a\u0430\u0437\u0430\u0432 \u043f\u043e \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443. \u041a\u043e\u0433\u0434\u0430 \u0442\u0430\u043a\u043e\u0439 \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043d\u0430\u0433\u0440\u0430\u0434\u043e\u0439 \u0432 RL, \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 reward hacking. \u0414\u043e\u043b\u044f \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u043d\u044b\u0445 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u0440\u0430\u0441\u0442\u0435\u0442, \u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u0430\u0434\u0430\u0435\u0442.<\/p>\n<p>\u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u044d\u0444\u0444\u0435\u043a\u0442\u0430 \u0445\u043e\u0440\u043e\u0448\u043e \u0432\u0438\u0434\u0435\u043d \u043d\u0430 \u0446\u0438\u0444\u0440\u0430\u0445 \u043f\u043e OLMo 3, \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 AI2. \u041e\u0431\u044b\u0447\u043d\u044b\u0439 IF-RLVR \u043f\u043e\u0434\u043d\u0438\u043c\u0430\u0435\u0442 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u043d\u0430 IFBench \u0441 26,98 \u0434\u043e 44,93, \u043d\u043e \u043e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u043e 10-\u0431\u0430\u043b\u043b\u044c\u043d\u043e\u0439 \u0448\u043a\u0430\u043b\u0435 \u043f\u0430\u0434\u0430\u0435\u0442 \u0441 4,51 \u0434\u043e 2,96. \u041c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0447\u0442\u0438 \u0443\u0434\u0432\u043e\u0438\u043b\u0430 \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0443\u044e \u043c\u0435\u0442\u0440\u0438\u043a\u0443 \u0446\u0435\u043d\u043e\u0439 \u0442\u0440\u0435\u0442\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/extt\/20\/b9\/8f\/20b98fa6b82bf303ab9b90d9d4de052a.png\" alt=\"\u0418\u0441\u0442\u043e\u0447\u043d\u0438\u043a.\" title=\"\u0418\u0441\u0442\u043e\u0447\u043d\u0438\u043a.\" width=\"1352\" height=\"376\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/extt\/20\/b9\/8f\/20b98fa6b82bf303ab9b90d9d4de052a.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/extt\/20\/b9\/8f\/20b98fa6b82bf303ab9b90d9d4de052a.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption><a href=\"https:\/\/arxiv.org\/pdf\/2610.19525\"><em>\u0418\u0441\u0442\u043e\u0447\u043d\u0438\u043a<\/em><\/a><em>.<\/em><\/figcaption><\/div>\n<\/figure>\n<p>\u041d\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0435 \u0438\u0437 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u043e\u0442\u043b\u0438\u0447\u043d\u043e \u0432\u0438\u0434\u043d\u044b \u044d\u0442\u0438 \u00ab\u043d\u043e\u0436\u043d\u0438\u0446\u044b\u00bb \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0435\u0439 OLMo 3: \u0441\u043b\u0435\u0432\u0430 \u2014 \u0441\u0438\u043d\u0438\u0435 \u0441\u0442\u043e\u043b\u0431\u0438\u043a\u0438 (\u043f\u043e\u0441\u043b\u0435 RLVR) \u0440\u0435\u0437\u043a\u043e \u0440\u0430\u0441\u0442\u0443\u0442. \u042d\u0442\u043e \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439; \u0432 \u0446\u0435\u043d\u0442\u0440\u0435 \u2014 \u0442\u0435 \u0436\u0435 \u0441\u0438\u043d\u0438\u0435 \u0441\u0442\u043e\u043b\u0431\u0438\u043a\u0438 \u043e\u0449\u0443\u0442\u0438\u043c\u043e \u043f\u0430\u0434\u0430\u044e\u0442 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u0441\u0435\u0440\u044b\u043c\u0438 (DPO). \u042d\u0442\u043e \u043f\u043e\u0442\u0435\u0440\u044f \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0438 \u0441\u043c\u044b\u0441\u043b\u0430 \u043e\u0442\u0432\u0435\u0442\u043e\u0432.<\/p>\n<h2>\u0427\u0442\u043e \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u044e\u0442 \u0430\u0432\u0442\u043e\u0440\u044b<\/h2>\n<p>CaLIF \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 \u043a \u043d\u0430\u0433\u0440\u0430\u0434\u0435 \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u0431\u043e\u043d\u0443\u0441 \u0437\u0430 \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u0438\u0435. \u041e\u0442\u0432\u0435\u0442 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u043e \u0442\u043e\u043c\u0443, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u043d \u0432\u0435\u0440\u043e\u044f\u0442\u0435\u043d \u0434\u043b\u044f \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0439 \u0437\u0430\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u043e\u0439 \u0440\u0435\u0444\u0435\u0440\u0435\u043d\u0441-\u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u0440\u0438 \u0443\u0441\u043b\u043e\u0432\u0438\u0438 \u043e\u0434\u043d\u043e\u0433\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u043f\u0440\u043e\u0441\u0430, \u0431\u0435\u0437 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0439. \u041e\u0442\u0432\u0435\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u043b \u0432\u0441\u0435 \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f \u0438 \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u0441\u0442\u0430\u043b \u043f\u0443\u0441\u0442\u044b\u043c \u0438\u043b\u0438 \u0441\u0442\u0440\u0430\u043d\u043d\u044b\u043c, \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043d\u0438\u0437\u043a\u0443\u044e \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u0443 \u043c\u043e\u0434\u0435\u043b\u0438, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441.\u00a0<\/p>\n<p>\u0411\u043e\u043d\u0443\u0441 \u043a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u0430\u043d, \u0438, \u0447\u0442\u043e \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0430\u0436\u043d\u043e, \u043c\u0435\u0442\u043e\u0434 \u043d\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043d\u0438 \u0432\u043d\u0435\u0448\u043d\u0435\u0433\u043e LLM-\u0441\u0443\u0434\u044c\u0438, \u043d\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0439 reward-\u043c\u043e\u0434\u0435\u043b\u0438. \u0420\u0435\u0444\u0435\u0440\u0435\u043d\u0441-\u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0430 \u0432 RL-\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u0438 \u0442\u0430\u043a \u0443\u0436\u0435 \u0435\u0441\u0442\u044c.<\/p>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b<\/h2>\n<p>\u0421 CaLIF \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0442\u0432\u0435\u0442\u0430 \u043d\u0430 OLMo 3 \u043e\u0441\u0442\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 4,59, \u0434\u0430\u0436\u0435 \u0447\u0443\u0442\u044c \u0432\u044b\u0448\u0435 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e, \u0430 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u0440\u0430\u0441\u0442\u0435\u0442 \u0434\u043e 34,64. \u0414\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0437\u0430 \u043e\u0434\u0438\u043d \u043f\u0440\u043e\u0445\u043e\u0434 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043f\u043e \u0434\u0430\u043d\u043d\u044b\u043c AI Weekly, \u0441\u043d\u0438\u0436\u0430\u0435\u0442\u0441\u044f \u0432 \u0441\u0435\u043c\u044c \u0440\u0430\u0437. \u0424\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0440\u0430\u0441\u0442\u0435\u0442 \u043c\u0435\u043d\u044c\u0448\u0435, \u0447\u0435\u043c \u043f\u0440\u0438 \u00ab\u0447\u0438\u0441\u0442\u043e\u043c\u00bb RLVR, \u0438 \u044d\u0442\u043e \u0447\u0435\u0441\u0442\u043d\u0430\u044f \u0446\u0435\u043d\u0430. \u041c\u0435\u0442\u043e\u0434 \u043e\u0442\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u0442\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u0440\u0438\u0440\u043e\u0441\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0431\u044b\u043b\u0430 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e reward hacking.<\/p>\n<p>\u041d\u0430 \u0431\u043e\u043b\u0435\u0435 \u0448\u0438\u0440\u043e\u043a\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435 CaLIF \u043f\u0440\u0435\u0432\u043e\u0441\u0445\u043e\u0434\u0438\u0442 \u0431\u0430\u0437\u043e\u0432\u044b\u0435 \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0438 \u0432 40 \u0438\u0437 45 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0439 \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u2014 \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u00bb \u043d\u0430 \u0442\u0440\u0435\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c \u0441 \u0440\u0443\u0431\u0440\u0438\u043a\u0430\u043c\u0438, <a href=\"https:\/\/huggingface.co\/papers\/2610.19525\">\u0443\u043a\u0430\u0437\u0430\u043d\u043e \u043d\u0430 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0435 \u0440\u0430\u0431\u043e\u0442\u044b<\/a>. \u041f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0448\u043b\u0430 \u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043e\u0442 1,7B \u0434\u043e 8B \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0432 \u0440\u0435\u0436\u0438\u043c\u0430\u0445 \u0441 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435\u043c \u0438 \u0431\u0435\u0437. \u0414\u0430\u0442\u0430\u0441\u0435\u0442 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 Hugging Face. \u041a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0435 \u0446\u0438\u0444\u0440\u044b \u043f\u043e OLMo 3 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u044b \u043f\u043e \u0432\u0442\u043e\u0440\u0438\u0447\u043d\u043e\u043c\u0443 \u043e\u0431\u0437\u043e\u0440\u0443, \u043f\u043e\u043b\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 arXiv \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b\u0430 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043d\u0435 \u043f\u0435\u0440\u0435\u043f\u0440\u043e\u0432\u0435\u0440\u044f\u043b\u0441\u044f.<\/p>\n<h2>\u0418\u0442\u043e\u0433<\/h2>\n<p>\u0415\u0441\u043b\u0438 \u0432 RL-\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u043d\u0430\u0433\u0440\u0430\u0434\u0430 \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u043c\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u0430\u043c\u0438, \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u0431\u0443\u0434\u0435\u0442 \u0432\u0440\u0430\u0442\u044c, \u0438 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e \u043d\u0443\u0436\u043d\u0430 \u043e\u0446\u0435\u043d\u043a\u0430 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430, \u0445\u043e\u0442\u044f \u0431\u044b \u0432\u044b\u0431\u043e\u0440\u043e\u0447\u043d\u0430\u044f. \u0414\u0440\u0443\u0433\u043e\u0439 \u0432\u0430\u0436\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0431\u043e\u043d\u0443\u0441 \u043f\u043e \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u0438\u044e \u0443 \u0440\u0435\u0444\u0435\u0440\u0435\u043d\u0441-\u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0441\u0442\u043e\u0438\u0442 \u0432 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u0437\u0430\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u0441\u0430\u043c\u044b\u0439 \u0447\u0430\u0441\u0442\u044b\u0439 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 reward hacking. \u041c\u0435\u0442\u043e\u0434 \u043f\u0440\u043e\u0432\u0435\u0440\u0435\u043d \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0434\u043e 8B, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0434\u043b\u044f \u043a\u0440\u0443\u043f\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u044d\u0442\u043e \u043f\u043e\u043a\u0430 \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u0430, \u043d\u043e \u0434\u043b\u044f \u0442\u0438\u043f\u0438\u0447\u043d\u043e\u0433\u043e \u043a\u043e\u0440\u043f\u043e\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0442\u0430\u043a\u043e\u0439 \u0440\u0430\u0437\u043c\u0435\u0440 \u043a\u0430\u043a \u0440\u0430\u0437 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439.<\/p>\n<div class=\"floating-image\">\n<figure class=\"float \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/dbd\/50d\/bb6\/dbd50dbb6316408a3d20c62b3ced3f3c.gif\" alt=\"\" title=\"\" width=\"200\" height=\"200\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/dbd\/50d\/bb6\/dbd50dbb6316408a3d20c62b3ced3f3c.gif 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/dbd\/50d\/bb6\/dbd50dbb6316408a3d20c62b3ced3f3c.gif 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p><strong>\u0418\u0418\u2011\u0440\u043e\u0443\u0442\u0435\u0440\u00a0\u2014 \u0434\u043e\u0441\u0442\u0443\u043f \u043a 400+ \u043c\u043e\u0434\u0435\u043b\u044f\u043c \u0438\u0437\u00a0\u043e\u0434\u043d\u043e\u0439 \u043f\u0430\u043d\u0435\u043b\u0438<\/strong><\/p>\n<p>\u041f\u043e\u0434\u043a\u043b\u044e\u0447\u0438\u0442\u0435 OpenAI\u2011\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0439 \u0448\u043b\u044e\u0437 \u043f\u043e\u00a0\u0435\u0434\u0438\u043d\u043e\u043c\u0443 API\u2011\u043a\u043b\u044e\u0447\u0443. \u041d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0439\u0442\u0435 \u0441\u043a\u0432\u043e\u0437\u043d\u0443\u044e \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0443, \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u0439\u0442\u0435\u00a0\u043b\u0438\u043c\u0438\u0442\u044b \u0438 \u043a\u0432\u043e\u0442\u0438\u0440\u0443\u0439\u0442\u0435 \u0440\u0435\u0441\u0443\u0440\u0441\u044b.<\/p>\n<p><a href=\"https:\/\/promo.selectel.ru\/ai-router\/?utm_source=habr.com&amp;utm_medium=referral&amp;utm_campaign=airouter_news_ai-calif_151026_banner_ord\"><strong>\u0417\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u0418\u0418\u2011\u0440\u043e\u0443\u0442\u0435\u0440\u00a0\u2192<\/strong><\/a><\/p>\n<\/div>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1094790\/\">https:\/\/habr.com\/ru\/articles\/1094790\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0413\u0440\u0443\u043f\u043f\u0430 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u0435\u0439, \u0441\u0440\u0435\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0425\u044d\u043c\u0438\u0448 \u0410\u0439\u0432\u0438\u0441\u043e\u043d, \u043e\u0434\u0438\u043d \u0438\u0437 \u0430\u0432\u0442\u043e\u0440\u043e\u0432 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 \u0440\u0435\u0446\u0435\u043f\u0442\u043e\u0432 \u043f\u043e\u0441\u0442-\u0442\u0440\u0435\u043d\u0438\u043d\u0433\u0430 T\u00fclu \u0438 OLMo, 14 \u043e\u043a\u0442\u044f\u0431\u0440\u044f \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043b\u0430 \u0440\u0430\u0431\u043e\u0442\u0443 \u043e \u043c\u0435\u0442\u043e\u0434\u0435 CaLIF. \u041e\u043d \u0440\u0435\u0448\u0430\u0435\u0442 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u0443\u044e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c \u043d\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u0445 \u043d\u0430\u0433\u0440\u0430\u0434\u0430\u0445, RLVR, \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c. \u041c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u0442\u0441\u044f \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0442\u044c \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0432\u0440\u043e\u0434\u0435 \u00ab\u0440\u043e\u0432\u043d\u043e \u0442\u0440\u0438 \u0430\u0431\u0437\u0430\u0446\u0430\u00bb \u0438\u043b\u0438 \u00ab\u0431\u0435\u0437 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0442\u0438\u0440\u0435\u00bb \u0438 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u0435\u0442 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441.\u0412 \u0447\u0435\u043c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430\u0411\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438 \u0432\u0440\u043e\u0434\u0435 IFBench \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0442, \u0441\u043e\u0431\u043b\u044e\u0434\u0435\u043d\u044b \u043b\u0438 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u043d\u0430 \u0444\u043e\u0440\u043c\u0443 \u043e\u0442\u0432\u0435\u0442\u0430. \u041e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043b\u0438 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u0441\u0430\u043c \u0437\u0430\u043f\u0440\u043e\u0441, \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u043d\u0435 \u0432\u0438\u0434\u0438\u0442. \u041c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043f\u043e\u043b\u043d\u044b\u0439 \u0431\u0430\u043b\u043b, \u043f\u043e\u0447\u0442\u0438 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0441\u043a\u0430\u0437\u0430\u0432 \u043f\u043e \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443. \u041a\u043e\u0433\u0434\u0430 \u0442\u0430\u043a\u043e\u0439 \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043d\u0430\u0433\u0440\u0430\u0434\u043e\u0439 \u0432 RL, \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 reward hacking. \u0414\u043e\u043b\u044f \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u043d\u044b\u0445 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u0440\u0430\u0441\u0442\u0435\u0442, \u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u0430\u0434\u0430\u0435\u0442.\u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u044d\u0444\u0444\u0435\u043a\u0442\u0430 \u0445\u043e\u0440\u043e\u0448\u043e \u0432\u0438\u0434\u0435\u043d \u043d\u0430 \u0446\u0438\u0444\u0440\u0430\u0445 \u043f\u043e OLMo 3, \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 AI2. \u041e\u0431\u044b\u0447\u043d\u044b\u0439 IF-RLVR \u043f\u043e\u0434\u043d\u0438\u043c\u0430\u0435\u0442 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u043d\u0430 IFBench \u0441 26,98 \u0434\u043e 44,93, \u043d\u043e \u043e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u043e 10-\u0431\u0430\u043b\u043b\u044c\u043d\u043e\u0439 \u0448\u043a\u0430\u043b\u0435 \u043f\u0430\u0434\u0430\u0435\u0442 \u0441 4,51 \u0434\u043e 2,96. \u041c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0447\u0442\u0438 \u0443\u0434\u0432\u043e\u0438\u043b\u0430 \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0443\u044e \u043c\u0435\u0442\u0440\u0438\u043a\u0443 \u0446\u0435\u043d\u043e\u0439 \u0442\u0440\u0435\u0442\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430.\u0418\u0441\u0442\u043e\u0447\u043d\u0438\u043a.\u041d\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0435 \u0438\u0437 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u043e\u0442\u043b\u0438\u0447\u043d\u043e \u0432\u0438\u0434\u043d\u044b \u044d\u0442\u0438 \u00ab\u043d\u043e\u0436\u043d\u0438\u0446\u044b\u00bb \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0435\u0439 OLMo 3: \u0441\u043b\u0435\u0432\u0430 \u2014 \u0441\u0438\u043d\u0438\u0435 \u0441\u0442\u043e\u043b\u0431\u0438\u043a\u0438 (\u043f\u043e\u0441\u043b\u0435 RLVR) \u0440\u0435\u0437\u043a\u043e \u0440\u0430\u0441\u0442\u0443\u0442. \u042d\u0442\u043e \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439; \u0432 \u0446\u0435\u043d\u0442\u0440\u0435 \u2014 \u0442\u0435 \u0436\u0435 \u0441\u0438\u043d\u0438\u0435 \u0441\u0442\u043e\u043b\u0431\u0438\u043a\u0438 \u043e\u0449\u0443\u0442\u0438\u043c\u043e \u043f\u0430\u0434\u0430\u044e\u0442 \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u0441\u0435\u0440\u044b\u043c\u0438 (DPO). \u042d\u0442\u043e \u043f\u043e\u0442\u0435\u0440\u044f \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0438 \u0441\u043c\u044b\u0441\u043b\u0430 \u043e\u0442\u0432\u0435\u0442\u043e\u0432.\u0427\u0442\u043e \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u044e\u0442 \u0430\u0432\u0442\u043e\u0440\u044bCaLIF \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 \u043a \u043d\u0430\u0433\u0440\u0430\u0434\u0435 \u0432\u0435\u0440\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u0431\u043e\u043d\u0443\u0441 \u0437\u0430 \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u0438\u0435. \u041e\u0442\u0432\u0435\u0442 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u043e \u0442\u043e\u043c\u0443, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u043d \u0432\u0435\u0440\u043e\u044f\u0442\u0435\u043d \u0434\u043b\u044f \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0439 \u0437\u0430\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u043e\u0439 \u0440\u0435\u0444\u0435\u0440\u0435\u043d\u0441-\u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u0440\u0438 \u0443\u0441\u043b\u043e\u0432\u0438\u0438 \u043e\u0434\u043d\u043e\u0433\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u043f\u0440\u043e\u0441\u0430, \u0431\u0435\u0437 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0439. \u041e\u0442\u0432\u0435\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u043b \u0432\u0441\u0435 \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u0443\u0441\u043b\u043e\u0432\u0438\u044f \u0438 \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u0441\u0442\u0430\u043b \u043f\u0443\u0441\u0442\u044b\u043c \u0438\u043b\u0438 \u0441\u0442\u0440\u0430\u043d\u043d\u044b\u043c, \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043d\u0438\u0437\u043a\u0443\u044e \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u0443 \u043c\u043e\u0434\u0435\u043b\u0438, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441.\u00a0\u0411\u043e\u043d\u0443\u0441 \u043a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u0430\u043d, \u0438, \u0447\u0442\u043e \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0430\u0436\u043d\u043e, \u043c\u0435\u0442\u043e\u0434 \u043d\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043d\u0438 \u0432\u043d\u0435\u0448\u043d\u0435\u0433\u043e LLM-\u0441\u0443\u0434\u044c\u0438, \u043d\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0439 reward-\u043c\u043e\u0434\u0435\u043b\u0438. \u0420\u0435\u0444\u0435\u0440\u0435\u043d\u0441-\u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0430 \u0432 RL-\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u0438 \u0442\u0430\u043a \u0443\u0436\u0435 \u0435\u0441\u0442\u044c.\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b\u0421 CaLIF \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u0442\u0432\u0435\u0442\u0430 \u043d\u0430 OLMo 3 \u043e\u0441\u0442\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 4,59, \u0434\u0430\u0436\u0435 \u0447\u0443\u0442\u044c \u0432\u044b\u0448\u0435 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e, \u0430 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u0440\u0430\u0441\u0442\u0435\u0442 \u0434\u043e 34,64. \u0414\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0437\u0430 \u043e\u0434\u0438\u043d \u043f\u0440\u043e\u0445\u043e\u0434 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043f\u043e \u0434\u0430\u043d\u043d\u044b\u043c AI Weekly, \u0441\u043d\u0438\u0436\u0430\u0435\u0442\u0441\u044f \u0432 \u0441\u0435\u043c\u044c \u0440\u0430\u0437. \u0424\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0440\u0430\u0441\u0442\u0435\u0442 \u043c\u0435\u043d\u044c\u0448\u0435, \u0447\u0435\u043c \u043f\u0440\u0438 \u00ab\u0447\u0438\u0441\u0442\u043e\u043c\u00bb RLVR, \u0438 \u044d\u0442\u043e \u0447\u0435\u0441\u0442\u043d\u0430\u044f \u0446\u0435\u043d\u0430. \u041c\u0435\u0442\u043e\u0434 \u043e\u0442\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043e\u0442 \u0442\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u0440\u0438\u0440\u043e\u0441\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0431\u044b\u043b\u0430 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0430 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e reward hacking.\u041d\u0430 \u0431\u043e\u043b\u0435\u0435 \u0448\u0438\u0440\u043e\u043a\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435 CaLIF \u043f\u0440\u0435\u0432\u043e\u0441\u0445\u043e\u0434\u0438\u0442 \u0431\u0430\u0437\u043e\u0432\u044b\u0435 \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0438 \u0432 40 \u0438\u0437 45 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0439 \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u2014 \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u00bb \u043d\u0430 \u0442\u0440\u0435\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c \u0441 \u0440\u0443\u0431\u0440\u0438\u043a\u0430\u043c\u0438, \u0443\u043a\u0430\u0437\u0430\u043d\u043e \u043d\u0430 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0435 \u0440\u0430\u0431\u043e\u0442\u044b. \u041f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0448\u043b\u0430 \u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043e\u0442 1,7B \u0434\u043e 8B \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0432 \u0440\u0435\u0436\u0438\u043c\u0430\u0445 \u0441 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435\u043c \u0438 \u0431\u0435\u0437. \u0414\u0430\u0442\u0430\u0441\u0435\u0442 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d \u043d\u0430 Hugging Face. \u041a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0435 \u0446\u0438\u0444\u0440\u044b \u043f\u043e OLMo 3 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u044b \u043f\u043e \u0432\u0442\u043e\u0440\u0438\u0447\u043d\u043e\u043c\u0443 \u043e\u0431\u0437\u043e\u0440\u0443, \u043f\u043e\u043b\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 arXiv \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b\u0430 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043d\u0435 \u043f\u0435\u0440\u0435\u043f\u0440\u043e\u0432\u0435\u0440\u044f\u043b\u0441\u044f.\u0418\u0442\u043e\u0433\u0415\u0441\u043b\u0438 \u0432 RL-\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0435 \u043d\u0430\u0433\u0440\u0430\u0434\u0430 \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u043c\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u0430\u043c\u0438, \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u0431\u0443\u0434\u0435\u0442 \u0432\u0440\u0430\u0442\u044c, \u0438 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e \u043d\u0443\u0436\u043d\u0430 \u043e\u0446\u0435\u043d\u043a\u0430 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430, \u0445\u043e\u0442\u044f \u0431\u044b \u0432\u044b\u0431\u043e\u0440\u043e\u0447\u043d\u0430\u044f. \u0414\u0440\u0443\u0433\u043e\u0439 \u0432\u0430\u0436\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0431\u043e\u043d\u0443\u0441 \u043f\u043e \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u0438\u044e \u0443 \u0440\u0435\u0444\u0435\u0440\u0435\u043d\u0441-\u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u0447\u0442\u0438 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0441\u0442\u043e\u0438\u0442 \u0432 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u0437\u0430\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u0441\u0430\u043c\u044b\u0439 \u0447\u0430\u0441\u0442\u044b\u0439 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 reward hacking. \u041c\u0435\u0442\u043e\u0434 \u043f\u0440\u043e\u0432\u0435\u0440\u0435\u043d \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0434\u043e 8B, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0434\u043b\u044f \u043a\u0440\u0443\u043f\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u044d\u0442\u043e \u043f\u043e\u043a\u0430 \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u0430, \u043d\u043e \u0434\u043b\u044f \u0442\u0438\u043f\u0438\u0447\u043d\u043e\u0433\u043e \u043a\u043e\u0440\u043f\u043e\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0442\u0430\u043a\u043e\u0439 \u0440\u0430\u0437\u043c\u0435\u0440 \u043a\u0430\u043a \u0440\u0430\u0437 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439.\u0418\u0418\u2011\u0440\u043e\u0443\u0442\u0435\u0440\u00a0\u2014 \u0434\u043e\u0441\u0442\u0443\u043f \u043a 400+ \u043c\u043e\u0434\u0435\u043b\u044f\u043c \u0438\u0437\u00a0\u043e\u0434\u043d\u043e\u0439 \u043f\u0430\u043d\u0435\u043b\u0438\u041f\u043e\u0434\u043a\u043b\u044e\u0447\u0438\u0442\u0435 OpenAI\u2011\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0439 \u0448\u043b\u044e\u0437 \u043f\u043e\u00a0\u0435\u0434\u0438\u043d\u043e\u043c\u0443 API\u2011\u043a\u043b\u044e\u0447\u0443. \u041d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0439\u0442\u0435 \u0441\u043a\u0432\u043e\u0437\u043d\u0443\u044e \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0443, \u043e\u0442\u0441\u043b\u0435\u0436\u0438\u0432\u0430\u0439\u0442\u0435\u00a0\u043b\u0438\u043c\u0438\u0442\u044b \u0438 \u043a\u0432\u043e\u0442\u0438\u0440\u0443\u0439\u0442\u0435 \u0440\u0435\u0441\u0443\u0440\u0441\u044b.\u0417\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u0418\u0418\u2011\u0440\u043e\u0443\u0442\u0435\u0440\u00a0\u2192\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 https:\/\/habr.com\/ru\/articles\/1094790\/<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-498797","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/498797","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=498797"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/498797\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=498797"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=498797"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=498797"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}