赞助商与项目推广

视频开篇首先介绍了赞助商 Verda，这是一个提供高质量云GPU服务的平台。博主推荐观众使用专属代码 BYCLOUD-50，仅需支付 5美元 即可获得价值 50美元 的计算额度。该优惠链接为 https://verda.com/?utm_source=bycloud&utm_medium=referral&utm_campaign=sponsorship&utm_content=deepseekv4。随后，博主推广了自己的新项目 Intuitive AI Academy，该课程专注于AI优化领域，并提供限时优惠码 LOCKIN，可享受年度计划的 35% 折扣，详情访问 https://intuitiveai.academy/。此外，博主还推荐了编程学习平台 Scrimba（https://scrimba.com/?via=bycloudAI），并分享了其每周精选研究论文的通讯订阅链接 https://mail.bycloud.ai/ 以及 Patreon 支持页面 https://www.patreon.com/bycloud。

"Need high quality cloud GPUs? Check out Verda now, and use the code BYCLOUD-50 to get $50 of compute credits for just $5!"

GLM-5.2 博客的核心洞察

博主表示虽然自己加入 GLM-5.2 讨论的时间较晚，但他认为 智谱（Zhipu）的博客中蕴含了大量被忽视的深刻见解，这些见解甚至比模型本身的性能表现更值得关注。特别是关于 强化学习（RL）训练策略的重大转变——即决定停止使用 GRPO（Group Relative Policy Optimization）并重新回归 PPO（Proximal Policy Optimization）——这一决策背后隐藏着重要的技术逻辑。博主指出，公众往往只关注最终的性能跑分，却忽略了训练方法论调整背后的工程考量。这一转变对于理解当前大模型训练的演进方向具有关键意义。

"I think there is actually much more insights in their blogs I don't see people talk about than the model performance itself."

强化学习策略的回归：从 GRPO 到 PPO

GLM-5.2 博客中提到的一个关键点是 放弃 GRPO 并重新采用 PPO。GRPO 是一种较新的强化学习优化方法，旨在通过组内相对优势估计来简化训练过程，减少资源消耗。然而，智谱团队最终选择回归更传统的 PPO 算法。这一决定暗示了在实际大规模模型训练中，PPO 可能在稳定性、收敛性或最终性能上限上优于 GRPO。博主强调，这种技术路线的回旋并非简单的倒退，而是基于实验数据做出的务实选择。它反映了当前 RLHF（基于人类反馈的强化学习）领域仍在探索最佳实践，没有一种算法能完美适用于所有场景。这一发现为其他研究者和工程师提供了宝贵的参考，表明在追求新颖算法的同时，不应忽视经过时间验证的基础方法。

"Especially the part where they decided to stop using GRPO and go back to PPO!"

社区支持与致谢

视频的制作得到了众多 Patreon 赞助者和 YouTube 会员的大力支持。博主列出了详细的贡献者名单，包括 Spam Maj, Alex, Chris LeDoux, DX Research Group, Poof N' Inu, Deagan, Robert Zawiasa, Ryszard Warzocha, Tobe2d, Louis Muk, Akkusativ, Kevin Tai, Mark Buckler, NO U, Tony Jimenez, Ângelo Fonseca, jiye, Anushka, Asad Dhamani, Binnie Yiu, Calvin Yan, Clayton Ford, Diego Silva, Etrotta, Gonzalo Fidalgo, Handenon, Hector, Jake Disco very, Michael Brenner, Nilly K, OlegWock, Daddy Wen, Shuhong Chen, Sid_Cipher, Stefan Lorenz, Sup, tantan assawade, Thipok Tham, Thomas Di Martino, Thomas Lin, Richárd Nagyfi, Paperboy, mika, Leo, Berhane-Meskel, Kadhai Pesalam, mayssam, Bill Mangrum, nyaa, Toru Mon, Lame Plane, Matej Macak, Len Mo, saylikhapekar, ZyanSheep, THEVIERAOS, Ricardo Raphael Corona-Moreno, superchordate 等。这些支持使得博主能够持续产出高质量的内容。

联系方式与资源链接

博主提供了多种联系方式和资源入口。Discord 社区用于交流，Twitter 账号为 https://twitter.com/bycloudai，Patreon 页面为 https://www.patreon.com/bycloud。商业合作请联系 [email protected]，其他咨询请联系 [email protected]。个人资料和横幅艺术由 Twitter 用户 @pygm7 创作，Manim 动画由 @miyashita_03 制作。此外，博主还再次提到了 Ko-fi 支持页面 https://ko-fi.com/bycloudai。这些资源为观众提供了与博主互动和支持其工作的多种渠道。

"This video is supported by the kind Patrons & YouTube Members: 🙏Spam Maj, Alex, Chris LeDoux..."

GLM-5.2 官方博客链接

博主在视频结尾处再次提供了 GLM-5.2 官方博客的链接，方便观众深入阅读原始资料。博客地址为 https://z.ai/blog/glm-5.2。通过阅读官方博客，观众可以获取关于 GLM-5.2 模型架构、训练数据、性能评估以及技术细节的第一手信息。博主建议观众结合视频中的分析，深入理解智谱团队在模型开发过程中的决策逻辑和技术挑战。

"GLM-5.2 [Blog] https://z.ai/blog/glm-5.2"