工具补丁与 RL 的边界

willccbb · x · 2026-07-19

这条对话在讨论：把 **OPSD hints** 用作工具失败时的临时补丁，是否真的有效，以及这种提示在 token 距离拉远后会不会迅速衰减。回复中提出一个判断：目前看起来真正的收益主要还停留在 **玩具任务、单轮指令、局部工具调用修补**；而让模型更聪明的根本仍然是 **RL**。