Burkov 用分类器维护经验类比:RL 修好一处,别处就崩
burkov · x · 2026-09-12
Andriy Burkov 借自己当年回答老板「分类器什么时候能好」的经验,评论 RLHF 的打地鼠困境:补好一个问题,另一个就冒出来。他预测对模型做强化学习能换来更长回复,但会在别处开始翻车。
「模型」频道最新
- Sentdex 实测 DeepSeek V4.1 Flash 做机器人控制,优于 GLM 5.3 Flash — teortaxesTex · 2026-10-06
- 订阅制 API 价值对比有坑：token 定价越高「API 价值」虚高 — JeremyNguyenPhD · 2026-10-06
- 用户吐槽：LLM 长对话线程中完全没有时间流逝概念 — dumierhan · 2026-10-06
- Reflection AI 新模型用 24T tokens 预训练，多模态版将至 — nagpalchirag · 2026-10-06
- 用户实测:Opus 5.5 上下文窗口消耗速度很快 — rickasaurus · 2026-10-06
- 两张刷屏对比图的陷阱：Claude「5 倍价值」其实是贵出来的 — jdjohnson · 2026-10-06