來自 William Wale（@williawa）的推文串

如果詞元空間是邏輯學習模型（LLM）推理的資訊瓶頸，那麼強化學習訓練的模型應該能夠高頻地學習使用所有詞元。但當我閱讀核心目標函數（cots）時，它們似乎使用的空間比基礎模型或模型輸出要小。