据@_avichawla称，RULER用LLM审核轨迹并转化为GRPO奖励，提升代理训练效果。

据推特@_avichawla称，LLM经预训练到推理微调四阶段逐步增强能力。

据@_avichawla称，RULER在OpenPipe ART用排名稳健替代奖励函数，简化LLM微调。

据@_avichawla称，RULER以英文准则由LLM评估轨迹，替代手写评分。

据Kye Gomez（@KyeGomezB）在X平台透露，OpenMythos是对Claude Mythos的开源理论重构，采用循环式Transformer与Mixture-of-Experts路由，通过权重共享与稀疏专家激活实现迭代深度，旨在提升效率与多步推理能力（来源：X/Twitter）。据Kye Gomez称，社区小规模训练显示，OpenMythos达到最佳验证所需步数比nanoGPT少2.67倍，早期迹象表明其收敛更快（来源：X/Twitter）。据Kye Gomez介绍，团队正在Hugging Face上使用FineWeb-Edu预训练3B（并探索5B）模型，后续将以GRPO与高质量强化学习数据集进行微调，代码与训练脚本已在GitHub开源（来源：X/Twitter）。据Kye Gomez表示，该项目仍处早期研究阶段，欢迎社区协作以评估循环Transformer与MoE在推理性能和效率权衡上的业务潜力（来源：X/Twitter）。