博客提出 RL 应同时采样「人类努力程度」训练模型协作模式

voooooogel · x · 2026-11-19

博主 vgel 发文《Sampling Human Effort》,主张实验室应在 RL 中像采样 reasoning effort(低/中/高思考档位)一样,对人类努力程度的分布进行采样训练:

核心论点:把「用户参与度」作为训练分布的一维,是模型学会与人协作的下一步。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →