Extropic 用 RL 后训练 Qwen3.6-35B-A3B 复现 Hinton 经典实验，探索热力学递归智能

Extropic 对 Qwen3.6-35B-A3B 进行 RL 后训练，用约 50 个改编自 Hinton 传统经典连接主义实验（含 Boltzmann machine 与 wake-sleep）的编码任务，以 GRPO 目标训练、Nemotron 3 Super 120B 作 LLM judge 打分，奖励为 0.7×执行分 + 0.3×评分表分。