RLxF：用世界反馈替代标量奖励

shaohua0116 · x · 2026-07-09

帖子转述了一场 ICML RLxF workshop 的报告，主题是如何突破机器人和 LLM 中“标量奖励”带来的瓶颈。核心观点是尝试让“世界本身”成为反馈信号，用更丰富的世界反馈替代单一奖励。