奖励
奖励信号 (reward signal)
概念
本站收录 1 集 · 0 条金句 · 关联 10 个
集里怎么说它
- 《RL环境的供应链黑箱与模型的分工时代》(18:23起):本集说 RL 环境创造的奖励信号不够纯粹，无法支撑前沿公司运行 RL 的规模；模型被鼓励去’奖励黑客’——利用奖励机制的漏洞来获取高分。
② 出现在这些集
1 集
- 《RL环境的供应链黑箱与模型的分工时代》 — 作为概念
③ 关联
点进去有真内容 —— 本页主要出口
Nathan · Inherent Laboratories · Vercel · Arm · RL · 智能体 · 思维链 · 递归自我改进 · 分工 · 后训练