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）。

根据DeepLearning.AI官方推特消息，'利用GRPO强化微调大语言模型'课程的讲师将举办线上AMA，深入讲解强化学习微调在大语言模型（LLM）中的实际应用。此次活动将重点介绍如何通过通用奖励策略优化（GRPO）提升LLM性能、提高模型响应准确性，并针对企业特定需求进行优化。对于关注AI定制化解决方案的企业和开发者，这次AMA是了解强化微调前沿技术与行业落地机会的重要机会，尤其适用于金融、医疗和客户服务等行业（来源：DeepLearning.AI官方推特，2025年6月13日）。

根据DeepLearning.AI官方消息，最新推出的“使用GRPO强化微调LLM”短课程，系统介绍了如何通过GRPO（广义强化策略优化）方法对大语言模型进行高效微调，从而提升其在数学题解答、代码生成、Wordle等复杂推理任务中的表现。该课程强调无需大规模数据集即可实现模型推理能力的优化，解决了AI行业在高效推理领域的关键难题。掌握GRPO强化学习方法将为企业和开发者带来开发专业AI推理解决方案的新商机。信息来源：DeepLearning.AI，Twitter，2025年5月21日。