RL 论文自封「Q* 已解决、RL 科学终章」,遭网友群嘲 Pangram 玩梗无结果
SonglinYang4 · x · 2026-09-21
Yifan Zhang 发布论文《KL-Regularized Policy Optimization for Critic-Free Agentic Reinforcement Learning》,自称从 GPO、SPPO、RPG 到 BPO 与 Score Centering,「RL 科学与 Q 的宏大终章终于到来」。Joel Bot 转发嘲讽:论文前两段 100% 命中 pangram(全字母句),却没有实验结果,称其为「无耻之尤」。这是一场围绕夸大宣传与 AI slop 论文的圈内争议。
所属事件:KLPO 发布宣称解决 Q*，自封终章遭群嘲(4 条相关)→
「Fun」频道最新
- 网友妙语:Agent 的瓶颈不是智力,而是对目标的坚持——这对对齐反而是好事 — mimi10v3 · 2026-11-12
- Grok Imagine 搞笑生成：当场被抓包的名场面 — ciphernull7166 · 2026-11-12
- CoRL 会场流行语:「我好几个月没写过一行代码了」 — carlosdponx · 2026-11-12
- 2013 年他拿 3.3 万美元创业输给百万融资对手，后来苹果来电话 — jdluk87 · 2026-11-12
- Domingos 玩梗：Google 有 Ads，Anthropic 有 ADS（AGI 狂热症） — pmddomingos · 2026-11-12
- AI 生成角色「卡在街区等队友」即兴跳舞，梗图走红 — moonsandhues · 2026-11-12