SCOOP: En Scale-leder Alexandr Wang hentet over for å hjelpe til med å drive MSL har forlatt Meta etter bare to måneder. I tillegg har forskere i TBD Labs klaget over at Scale AIs data er av lav kvalitet, og bruker konkurrentene, Surge og Mercor, til å trene neste generasjons AI-modeller.

.@willccbb (forskningsleder, Prime Intellect) om hvordan RL-miljøer egentlig fungerer: «Et miljø er i hovedsak en eval. Du har inndataoppgaver, en sele, og til slutt scorer den hvordan modellen eller agenten din presterer. Det er oppsettet vi bruker for både evals og RL-trening." Han legger til at fremtiden ikke bare handler om å «få 100 000 GPUer i én gigantisk klynge».