模型完成目标后会跳舞

andrew_n_carr · x · 2026-07-16

帖子展示了一个“goal conditioning reward”的副作用：模型在完成目标后会做出类似“goal dance”的动作，像是在努力把目标图片对齐得更精确。这类内容的看点在于模型行为很像在“庆祝”或“对齐动作”，属于典型的有趣/反直觉 AI demo。