来自 GDP at NeurIPS 2025（@bookwormengr）的推文线程

是的，这个Neurips是强化学习和世界模型领域的Neurips。围绕这些主题举办了许多研讨会和工作坊，这是理所应当的。 Rich Sutton 也提醒我们，我们为 LLM 进行 RL 的方式（RLVR/GROO）并不是苦口婆心的教训，它只能更可靠地激发现有的技能，仅此而已…… 话虽如此，强化学习领域仍然有很多唾手可得的成果。昨天我见到了ToolRL和DAPO的作者。确实还有很多唾手可得的成果……