RecodeX 重构消息,Redwood Research发文指出,Gemini 4安全报告第114页似乎暗示谷歌DeepMind(GDM)使用辅助奖励对链式思考(CoT)进行训练,这与GDM此前“不因链式思考内容惩罚模型”的表态相矛盾。GDM员工否认在CoT上训练,但未就报告细节作出解释。