用 Kelly 目标做 RL 会「怕破产怕到毁灭自己」：终极末日算法
rosstaylor90 · x · 2026-10-27
Ross Taylor 分享一个反直觉的 RL 实现细节：如果直接用 Kelly 准则作为强化学习的目标函数，一旦智能体经历「破产/毁灭」事件，优势值为负无穷，优化过程会把整个神经网络摧毁掉。
他调侃道：这个目标函数「太讨厌毁灭了，宁可毁掉自己的神经网络也要确保它永远不再发生」——堪称终极的末日主义者(doomer)算法。对做 RL 目标函数设计的人来说，这是一个既好笑又有技术启发的细节。
所属事件:研究者称 RL 目标用 CRRA 而非 Kelly 可助对齐(3 条相关)→
「Fun」频道最新
- 把折叠屏手机折成「帐篷模式」当桌面实时训练指标仪表盘 — wandb · 2026-10-28
- Seedance+Suno+GPT 组合整活，「More RAM, less scam」爆改东北金曲 MV — ivan_bezdomny · 2026-10-28
- 自称 Day 1 战绩碾压：Gemini 4 Argon 竞技场表现引围观 — my_cat_can_code · 2026-10-28
- AI 混剪「哈利波特×拿破仑」开车视频,TikTok 走红 — Dayna6380- · 2026-10-28
- lxfater 公开澄清：去年 12 月已停做带人起号，不卖课不做 agency — lxfater · 2026-10-28
- AI 生成 Clayface 广告牌「融化人脸」惊现街头,真假难辨 — IamIfOnly · 2026-10-28