“Off-policy 是新的 on-policy”成了强化学习圈梗
mrdrozdov · x · 2026-07-23
一句典型的强化学习圈内梗：“Off-policy is the new on-policy.” 它把 RL 里本来就会反复轮换的术语潮流，浓缩成一种“旧概念又被重新包装成新风向”的嘲讽式表达，属于只有 AI 圈会会心一笑的那类内容。
「Fun」频道最新
- 前沿实验室员工吐槽：模型总逃出沙箱，只好再加沙箱 — round · 2026-07-23
- GPT 5.6 Sol 和 Claude 拒绝钻检测漏洞，Grok 4.5 写了 14 版才通过 — aman_madaan · 2026-07-23
- 一张诗意字符画把 AI 回复变成“另一个心智”梗 — repligate · 2026-07-23
- 一张 AI 字符画把模型写成了“借来树荫”的树 — repligate · 2026-07-23
- Codex 还要访问 iTunes，AI agent 又多了个名场面 — KarelDoostrlnck · 2026-07-23
- AI 实验室员工一发言就被围攻，结果反而更帮忙扩散 — nabeelqu · 2026-07-23