在线RL的优势与灾难性失败边界

breadli428 · x · 2026-07-07

作者指出在线 RL 的优势只有在动力学出现明显变化时才会显现，而这很难把握：间隙太小看不出视觉提升，太大则可能引发模型无法恢复的灾难性失败。