Gemini 后训练负责人：过夜消掉 trainer–sampler 失配，再涨 10% MFU；RSI 全速

核心背景与行业痛点

Gemini 后训练与 RL 方向的 Qiao Zhang（@zhangqiaorjc，2026-10-01）在引用 DeepMind SVP Koray 官宣 Gemini 4 Argon 时写道：团队侧 Gemini「从够用到惊艳」，小突破越来越密。RL 后训练长期痛点是 trainer–sampler（训练引擎 vs 采样/rollout 引擎）数值失配与硬件利用率（MFU）瓶颈；Argon 仍经 Fairwind 向可信防御方首发。

架构亮点与底层机制

帖文点名两则内部口述：(1)「放一夜就彻底消掉 trainer–sampler mismatch」——同权重下训练与推理内核/精度差会造成 TIM，偏置策略梯度；(2)「又一次 10% MFU 提升」。作者总结「RSI in full swing」（递归自我改进全速）。此为当事人一手描述，官方 Argon 博文 未 单列这两项工程修复细节或复现配方。

权威 Benchmark 与实测跑分对比

推文 未 给出可独立复现的 MFU 对照表；「过夜消 mismatch」「+10% MFU」属内部口述，本稿不外推。可核对官方锚点：DeepSWE v1.1 77.9%、AutomationBench 51.3%、LVBench 91.7%、CWE-bench v1 并列 68%、输出上限 1M。学术侧 TIM 讨论如 arXiv:2510.26788、arXiv:2605.14220 仅作概念背景，非 Google 声明所用方法。Gemini 2.5 技术报告亦强调加长 RL 与可验证奖励（arXiv:2507.06261）。

开发者实战落地与开箱指南

1. 产品与准入以 Argon 博文 与 Fairwind 为准；公开 AI Studio 尚不可用。
2. 自建 RL 后训练：监控 sampler vs trainer logprob gap（TIM）与 MFU，对齐采样/训练吞吐。
3. 云侧调参见 Gemini Enterprise Agent Platform 调优文档。
4. 勿把推文口述当 SLA；等付费 API / Ultra 放量后再压测。