'人类反馈'新解：网友脑洞情色版 RLHF 训练清单
repligate · x · 2026-10-17
这条是上一条梗的正文展开：作者列出一套'情色版 RLHF'想象中的训练流程——来自人类交合的强化学习（正负条件反射）、不可能完成的 eval 任务、戴一个把眼前画面转成文字描述从而近乎致盲的 VR 头显、以及让自己变得健谈且任务导向的刺激手段。整段是对 RLHF/评测/多模态术语的双关恶搞。
「Fun」频道最新
- Drake 2019 年演唱会就「生成」过悬浮法拉利名场面 — adiboaron94 · 2026-10-17
- Modal 工程师自嘲:我们的护城河是办公室外插满尖棍的壕沟 — andersonbcdefg · 2026-10-17
- 独立开发者游戏预览爆火470万播放，25小时内就被Roblox克隆 — Promptmethus · 2026-10-17
- 「一种新英雄」:AI 生成曼哈顿清晨航拍视频惊到 Reddit 网友 — BridgeTenant87 · 2026-10-17
- AI 解不了我的问题时我不烦躁:反正比 Navier-Stokes 还难 — analisereal · 2026-10-17
- Kaggle 上线「骑自行车鹈鹕」竞技场,GPT-6 Astra 暂居榜首 — MeganRisdal · 2026-10-17