后训练黑箱，有人开了一家透明工厂

模型能力的塑造越来越发生在预训练之后的微调阶段，而这一段恰恰是各家前沿实验室最守口如瓶的部分。十月初的一则机构新闻针对的就是这个黑箱：Nathan Lambert 与 Tom Zick 创立的非营利研究机构 Trillium Labs 正式亮相。

它要做什么

据 Wired 与多家科技媒体的报道，Trillium 定位为在阳光下做高风险 AI 研究的非营利机构。Lambert 的出发点写得很清楚：前沿实验室把后训练当机密，社区因此失去审视想法与贡献新方法的能力。对策是配方级开源：首批项目将发布完整的后训练配方，数据、代码与评测三件套一并公开；研究面还覆盖递归自我改进与强化学习，主张高风险课题同样公开接受审计。据 Latent Space 周报口径，机构获 Halcyon Futures 与 Schmidt Sciences 支持。

信息透明的部分也要如实说：官网目前只有名字没有正文，资金细节与首批交付物的时间表以官方后续公告为准，本文事实均标注媒体报道口径。

为什么值得盯

一是人。Lambert 是开放模型与 RLHF 社区最响的声音之一，Interconnects 博客长期是这个领域的公共教材，他转向机构化意味着开源社区的能量开始组织化。

二是选题。站内此前写过的 FineEnvs、RSR、harness 自改进系列，本质都在用论文补训练方法的公开性；Trillium 把同样的事上升到机构层面，而且专门挑递归自我改进这种各家都藏着掖着的方向做公开审计。如果配方真能按承诺的完整度发布，做小模型后训练的团队第一次有了可对照的工业级基准。

三是姿态。非营利加全开源加高风险审计，三个标签放在一起，等于把透明本身做成了研究方法。成不成要等交付，但这个站位在当前格局里是缺位的。