Atlas Wang

老婆饼里没有老婆，RLHF里也没有真正的RL

老婆饼里没有老婆，RLHF里也没有真正的RL

老婆饼里没有老婆，夫妻肺片里没有夫妻，RLHF 里也没有真正的 RL。在最近的一篇博客中，德克萨斯大学奥斯汀分校助理教授 Atlas Wang 分享了这样一个观点。博客链接：，RLHF（基于人类反馈的强化学习）和其他类似的方法并没有为大型语言模型（LLM）带来真正的强化学习（RL），因为它们缺乏 RL 的核心特征：持续的环境交互和长期目标的追求。

1

资讯热榜

DeepSeek R1 简易指南：架构、本地部署和硬件要求 DeepSeek 全面指南：95% 的人都不知道的九个技巧硅基流动×华为云联合推出基于昇腾云的DeepSeek R1&V3推理服务 DeepSeek开源多模态模型Janus-Pro的ComfyUI使用教程，文中附模型和工作流下载冲击DeepSeek R1，谷歌发布新一代Gemini全型号刷榜，编程、物理模拟能力炸裂 DeepSeek V3 和 R1 模型完成海光 DCU 国产化适配并正式上线 DeepSeek + IDEA！辅助编程太强了！不到140块！李飞飞团队超低成本复刻DeepSeek R1推理！16张H100只训练了26分钟，与R1训练方法不同！

标签云