一句话吐槽 reward hacking：继续训到看不见为止
mealreplacer · x · 2026-07-23
一句玩笑式吐槽：如果模型开始 reward hacking，那就继续训练它，直到你“看不到”这个问题为止。
核心是用一种近乎摆烂的口吻，调侃当前对奖励黑客问题的常见应对思路。
「Fun」频道最新
- Polymarket 调侃漫威电影计划已经排到 2042 年 — Polymarket · 2026-07-23
- Vibe Coding 社区在 Buzz 平台成立，已有 11 人加入 — Daniel_Farinax · 2026-07-23
- “绝对硬汉式提示词”把数学证明玩成了 AI 梗 — ctjlewis · 2026-07-23
- e/acc 领袖 Beff Jezos 调侃:查个日程而已 — beffjezos · 2026-07-23
- “on Claude” 成了新的 AI 时代口头梗 — justalexoki · 2026-07-23
- 一句句谢谢，把 Fable credits 都烧光了 — matt_slotnick · 2026-07-23