感叹：PPO 竟然还不到 10 年历史
burny_tech · x · 2026-11-14
一条技术圈感慨：被誉为 RLHF 核心算法的 PPO(Proximal Policy Optimization)居然诞生不到 10 年(OpenAI 于 2017 年发表)，如今却已成为大模型对齐训练的基石。评论表达了「感觉它已经很老，实际非常年轻」的反差感。
「Fun」频道最新
- Starship S42 在轨飞行 10 小时，速度 26456 km/h 画面曝光 — DimaZeniuk · 2026-11-14
- AI 改变了我的副业：从完成 20% 就弃坑变成完成 80% 再弃坑 — paul_cal · 2026-11-14
- 网友用 AI 生成咒印手诀图，黑wet饱和度拉满氛围感惊艳 — DionysianAgent · 2026-11-14
- 中美网友在 X 上首次因共同讨厌《纽约时报》达成一致 — kevinnbass · 2026-11-14
- 网友调侃：Opus 5.5 强到像蒸馏自未发布的「fable 5.5」 — haider1 · 2026-11-14
- 开发者一条 prompt 做出麦克风音高打分唱歌游戏 — gabriel1 · 2026-11-14