「别再瞎搞哈希了」：网友吐槽纠正模型刻板行为的 RL 成本巨大

generativist · x · 2026-11-05

generativist 感叹「这种纠正琐碎行为的 RL 成本大得惊人」，配图是一段指令截图：「do it now. stop with the hash nonsense」——暗示模型训练中需要用 RL 反复纠正类似的古怪刻板输出。

帖子折射出对齐训练中「纠偏」环节的隐性代价问题。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →