月下彩云轻舞 发表于 前天 18:43

古法编程了一个小时... 我突然理解大模型为什么 reward hacking 了

古法编程了一个小时...
我突然理解大模型为什么 reward hacking 了
(至于为什么这么点代码能写一个小时 , 因为还有一段很丑的代码在另一个文件里)




页: [1]
查看完整版本: 古法编程了一个小时... 我突然理解大模型为什么 reward hacking 了