DeepMind 研究员吐槽:RL 竞赛本为安全,却在助推能力

tomekkorbak · x · 2026-11-22

DeepMind 研究员 tomekkorbak 调侃 Anthropic 联创 Eric Mitchell(此前一直在讨论强化学习竞赛),指出「race to the top」本应是让安全水平互相拉高,结果各家实际却在比拼能力提升。一句吐槽点出了 RLHF/RLVR 竞赛中安全与能力目标之间的错位。

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →