来自 Pedro Domingos（@pmddomingos）的推文线程

强化学习只有在预训练模型已经能够解决问题的情况下才有效（否则就没有奖励信号）。因此，强化学习无法解决任何难题，即使它看起来可以，实际上也只是伪装得很好的蛮力算法。