同一堂 RL 课程视频：KL 正则化与泛化
natolambert · x · 2026-07-29
这是同一堂关于 RL 正则化与 KL penalty 的课程视频回复链接，核心内容与原帖一致。
讲解重点仍是：为什么在某些情况下 RL 比 SFT 更能带来泛化提升，以及相关论文和理论支撑。
「研究」频道最新
- CIMC 联手 Apart Research 办一场 AI 感知与对齐 sprint — matiroy · 2026-07-29
- 有人建议 OpenAI Foundation 去资助全球南方 AI 研究中心 — ShakeelHashim · 2026-07-29
- 《数学年刊》论文证明 1853 年设计猜想 — MarioKrenn6240 · 2026-07-29
- 审计发现 GPQA 等基准最多有 12% 题目有问题 — pawofdoom · 2026-07-29
- 开源模型在 NGINX 中发现 6 个漏洞、5 个 CVE — cyb3rops · 2026-07-29
- LLM 多智能体工作流挖出 Nextcloud 等开源 0-day — cyb3rops · 2026-07-29