模型变好靠修复糟糕RL环境

2026年10月11日，X 用户 Lisan al Gaib（@scaling01）发帖讨论强化学习（RL）环境质量问题。该帖称，人类和过去的 LLM 极其不擅长设计一致的环境，并称“神奇的是，尽管全是垃圾，模型还是能变好并修复它”。帖子以“不，这只是糟糕的 RL”回应“模型变好靠修复糟糕 RL 环境”的说法，即对“修复环境”这一解释持否定态度。目前该事件仅有这一条报道，尚无其他来源的跟进或补充，帖中未给出具体模型、环境或实验细节，也未提供可核验的数据。

AI 根据报道生成 · 2 小时前更新