來自 Pedro Domingos（@pmddomingos）的推文串

想像一下，你只看最終得分就學會玩電子遊戲。這就是強化學習。現在想像一下，用同樣的方式訓練一個大型推理模型──簡直是浪費資源。但這正是那些「前沿實驗室」投入數十億美元的地方。