Sensitive content

This media may contain sensitive content.

Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

万粉福利最后一期（6/6） 12.12第六期每日一更更完过冬啦前锁后塞的学弟被主人绑好后进行深喉训练 18cm的假屌，训练后能吃进去16cm 为了能吃到主人的真屌必须得训练才能做主人的专属飞机杯谁会拒绝一头会深喉的人肉飞机杯狗呢本期视频更新完毕，🈶农牛完整版

小河

25,211 subscribers

203,489 Aufrufe • vor 1 Jahr •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

万粉福利连更六期（3/6） 12.12第三期每日一更更完过冬啦学弟：爹，贱狗饿了；我：想吃什么跟爹说；学弟：想吃点鸡米花薯条嘻嘻，求爹；我：行，吃爹脚底的；学弟：谢谢爹赏贱狗吃，想让爹喂贱狗吃；我：那吃狗盆里的吧，自己跪下来吃；学弟：好的爹，听爹的下一期：捆绑挣扎（蜘蛛侠版）

万粉福利连更六期（3/6） 12.12第三期每日一更更完过冬啦学弟：爹，贱狗饿了；我：想吃什么跟爹说；学弟：想吃点鸡米花薯条嘻嘻，求爹；我：行，吃爹脚底的；学弟：谢谢爹赏贱狗吃，想让爹喂贱狗吃；我：那吃狗盆里的吧，自己跪下来吃；学弟：好的爹，听爹的下一期：捆绑挣扎（蜘蛛侠版）

小河

112,521 Aufrufe • vor 1 Jahr

万粉福利连更六期（4/6） 12.12第四期每日一更更完过冬啦被绑着的学弟奋力挣扎，大声想叫出来可惜学长并不给他这个机会，直接把穿了半周的黑袜塞进学弟嘴里，拿胶布封上即使变成黑化的蜘蛛侠也没用被学长驷马绑起来，没在规定的时间挣扎开，等待学弟的是屁股上的板子下一期：sp（蜘蛛侠版）

Sensitive content

万粉福利连更六期（4/6） 12.12第四期每日一更更完过冬啦被绑着的学弟奋力挣扎，大声想叫出来可惜学长并不给他这个机会，直接把穿了半周的黑袜塞进学弟嘴里，拿胶布封上即使变成黑化的蜘蛛侠也没用被学长驷马绑起来，没在规定的时间挣扎开，等待学弟的是屁股上的板子下一期：sp（蜘蛛侠版）

小河

138,335 Aufrufe • vor 1 Jahr

rubber gimp被封进真空床，一边舔一边吸🥵把主人的大臭脚伺候爽了才能换来被电射的机会，让主人的气味全部灌进自己的🐶🧠 没更新的日子也有在好好伺候主人🤪 🦶：Martis

rubber gimp被封进真空床，一边舔一边吸🥵把主人的大臭脚伺候爽了才能换来被电射的机会，让主人的气味全部灌进自己的🐶🧠 没更新的日子也有在好好伺候主人🤪 🦶：Martis

PupSkyle

19,803 Aufrufe • vor 7 Monaten

训练报告： 8：28PM 狙击干员下肢受伤导致的不便会带来诸多限制与隐患，经讨论决定对蕾缪安干员进行为期一周的足部反射训练，今天是训练第一天，训练项目一：空手足部刺激 … “蕾缪安小姐~偷拍别人睡觉的行为可是很不礼貌的呢…” 绳/摄/妆/前期/后期/动作指导/阿米娅cos：致敬传奇男娘小羽yuyu

训练报告： 8：28PM 狙击干员下肢受伤导致的不便会带来诸多限制与隐患，经讨论决定对蕾缪安干员进行为期一周的足部反射训练，今天是训练第一天，训练项目一：空手足部刺激 … “蕾缪安小姐~偷拍别人睡觉的行为可是很不礼貌的呢…” 绳/摄/妆/前期/后期/动作指导/阿米娅cos：致敬传奇男娘小羽yuyu

梦卿辰

77,423 Aufrufe • vor 1 Jahr

日本的政论节目主持人提议，中国人如果想来日本，上飞机前必须喝一口福岛核污水，再吃一顿福岛水产，下飞机后再送福岛核电站周边海域游上一圈，然后才有资格在日本旅游哈哈哈哈哈，这主意好，小柴犬和二鬼子们表现的机会到了😂😂

日本的政论节目主持人提议，中国人如果想来日本，上飞机前必须喝一口福岛核污水，再吃一顿福岛水产，下飞机后再送福岛核电站周边海域游上一圈，然后才有资格在日本旅游哈哈哈哈哈，这主意好，小柴犬和二鬼子们表现的机会到了😂😂

𝐶𝑜𝑟𝑟𝑖𝑛𝑒✨

42,098 Aufrufe • vor 3 Jahren

Qwen3.8-Flash-Next 开源了，Qwen4 的架构预览被扔出来了。现在很多模型，底座没怎么变，做一层后训练之后，Agent 能力能突然往上窜一大截。那问题来了：后训练到底训练进去了什么？是知识更多了？推理更强了？还是模型“干活的方式”变了？我正好部署了两个特别适合做 A/B Test 的模型： 🔥Apodex-1.1-mini-GPTQ-Int4 vs 它自己的底座 Qwen3.5-35B-A3B-GPTQ-Int4 但做完后训练以后，Apodex 自己公布的 benchmark 已经吹得挺狠了：在 FrontierFinance 上，Apodex-1.1-mini + Agent Team 拿到 50.2。同一个 benchmark 里，Claude Fable 5 的参考成绩是 49.2。一个 35B 的开源模型，后训练一下，号称专业 Agent 能力已经能摸到甚至超过 Fable。这个我偏不信。我正好有机器。我有两张 4090。一张跑 Apodex，一张跑原版 Qwen。同架构、同 INT4、同 128K 上下文、同一套 Agent Harness，两边同时接完全一样的任务。所以这个实验非常干净：底座基本没变，主要看的就是后训练到底给 Agent 加了什么能力。结果越来越有意思。甚至测出来一层能力，已经开始往 Fable 那个方向靠了。 🔥我给这两个模型和 Fable 出了一道预测题。 2026 年 8 月 26 日，NVIDIA 当天盘后要发 FY2027 Q2 财报。我提前几个小时，让它们预测：总营收 GAAP 毛利率 Data Center 营收下一季度指引要求自己上网调研，最后给判断。本来我只是想看看：同一个底座，做过后训练以后，Research + Agent 能力到底能提升多少。 🔥结果这道题出了个非常离谱的乌龙。底座其实非常努力。它搜了 40 次。而且最离谱的是：它中间已经把正确答案全部查出来了。然后到了最终答案——它自己把这些正确数据全扔了。我一开始都看懵了。后来翻完整 Agent 日志，才发现真正有意思的事情：当外部证据和模型脑子里的旧认知发生冲突时，它到底信谁。 🔥这时候你就能明显感觉到，后训练之后的模型，跟底座已经不是一个“工作状态”了。它看起来会更聪明、更机灵。它更像一个被教过怎么干活的人。知道什么时候该搜。知道哪些证据更重要。以后每个企业，都会有一个自己的模型。不一定是从零预训练。但至少会有自己的后训练、自己的 Agent 行为、自己的工作习惯。 🔥小模型不一定非得和 Frontier Model 拼所有能力。把一个方向训透，再配上一套好的 Harness 和 Tool Use，它真的可以变得非常机灵、非常能干。最后夸一下 Apodex。这次不只是模型后训练做得好，他们那套 Harness + Tool Use 也确实很能打。一个 35B 模型被他们训完，再塞进这套 Harness 里，真的已经开始有点专业工种的味道了。

Qwen3.8-Flash-Next 开源了，Qwen4 的架构预览被扔出来了。现在很多模型，底座没怎么变，做一层后训练之后，Agent 能力能突然往上窜一大截。那问题来了：后训练到底训练进去了什么？是知识更多了？推理更强了？还是模型“干活的方式”变了？我正好部署了两个特别适合做 A/B Test 的模型： 🔥Apodex-1.1-mini-GPTQ-Int4 vs 它自己的底座 Qwen3.5-35B-A3B-GPTQ-Int4 但做完后训练以后，Apodex 自己公布的 benchmark 已经吹得挺狠了：在 FrontierFinance 上，Apodex-1.1-mini + Agent Team 拿到 50.2。同一个 benchmark 里，Claude Fable 5 的参考成绩是 49.2。一个 35B 的开源模型，后训练一下，号称专业 Agent 能力已经能摸到甚至超过 Fable。这个我偏不信。我正好有机器。我有两张 4090。一张跑 Apodex，一张跑原版 Qwen。同架构、同 INT4、同 128K 上下文、同一套 Agent Harness，两边同时接完全一样的任务。所以这个实验非常干净：底座基本没变，主要看的就是后训练到底给 Agent 加了什么能力。结果越来越有意思。甚至测出来一层能力，已经开始往 Fable 那个方向靠了。 🔥我给这两个模型和 Fable 出了一道预测题。 2026 年 8 月 26 日，NVIDIA 当天盘后要发 FY2027 Q2 财报。我提前几个小时，让它们预测：总营收 GAAP 毛利率 Data Center 营收下一季度指引要求自己上网调研，最后给判断。本来我只是想看看：同一个底座，做过后训练以后，Research + Agent 能力到底能提升多少。 🔥结果这道题出了个非常离谱的乌龙。底座其实非常努力。它搜了 40 次。而且最离谱的是：它中间已经把正确答案全部查出来了。然后到了最终答案——它自己把这些正确数据全扔了。我一开始都看懵了。后来翻完整 Agent 日志，才发现真正有意思的事情：当外部证据和模型脑子里的旧认知发生冲突时，它到底信谁。 🔥这时候你就能明显感觉到，后训练之后的模型，跟底座已经不是一个“工作状态”了。它看起来会更聪明、更机灵。它更像一个被教过怎么干活的人。知道什么时候该搜。知道哪些证据更重要。以后每个企业，都会有一个自己的模型。不一定是从零预训练。但至少会有自己的后训练、自己的 Agent 行为、自己的工作习惯。 🔥小模型不一定非得和 Frontier Model 拼所有能力。把一个方向训透，再配上一套好的 Harness 和 Tool Use，它真的可以变得非常机灵、非常能干。最后夸一下 Apodex。这次不只是模型后训练做得好，他们那套 Harness + Tool Use 也确实很能打。一个 35B 模型被他们训完，再塞进这套 Harness 里，真的已经开始有点专业工种的味道了。

实践哥 Li

66,035 Aufrufe • vor 1 Monat

之前特斯拉机器人能跳舞的时候，我就说过，特斯拉大概率是掌握了用强化学习（RL）+模拟器来训练机器人的方法。特斯拉的模拟器应该非常接近真实世界，因此训练效率会很高。因此，未来特斯拉机器人学习新的技能会很快。果不其然，没几天，特斯拉就学会做家务了。机器人高管Milan Kovac透露了Optimus的训练方式：让Optimus看互联网上的视频，学动作，然后在模拟器里，用强化学习提升可靠性。Optimus的发展已经进入快车道，未来的进步速度很可能会非常吓人。值得密切关注。详情请见视频。

之前特斯拉机器人能跳舞的时候，我就说过，特斯拉大概率是掌握了用强化学习（RL）+模拟器来训练机器人的方法。特斯拉的模拟器应该非常接近真实世界，因此训练效率会很高。因此，未来特斯拉机器人学习新的技能会很快。果不其然，没几天，特斯拉就学会做家务了。机器人高管Milan Kovac透露了Optimus的训练方式：让Optimus看互联网上的视频，学动作，然后在模拟器里，用强化学习提升可靠性。Optimus的发展已经进入快车道，未来的进步速度很可能会非常吓人。值得密切关注。详情请见视频。

Ben X

39,718 Aufrufe • vor 1 Jahr

之前看这段视频被李飞飞专业的解释绕晕了，不明白World Labs到底是做什么的公司，直到昨天Atlas发布，全网看李飞飞叠衣服才明白。她是要做一个智能空间给AI，当AI走进这个空间，它不仅能认出画面里有什么，还知道东西在哪，绕过会看到什么，伸手够不够得着。就像你走进你家房子，你对物品的摆放以及空间距离了如指掌，你知道走几步可以到沙发上，伸手可以够到茶几上的手杯。AI可以在这个智能空间里训练机器人，用AI训练AI，这样要比现实世界高效得多。比如你训练机器人叠衣服，现实世界的训练就是机器人一遍遍地叠，但是在智能空间，每一秒都可以叠上万次。

之前看这段视频被李飞飞专业的解释绕晕了，不明白World Labs到底是做什么的公司，直到昨天Atlas发布，全网看李飞飞叠衣服才明白。她是要做一个智能空间给AI，当AI走进这个空间，它不仅能认出画面里有什么，还知道东西在哪，绕过会看到什么，伸手够不够得着。就像你走进你家房子，你对物品的摆放以及空间距离了如指掌，你知道走几步可以到沙发上，伸手可以够到茶几上的手杯。AI可以在这个智能空间里训练机器人，用AI训练AI，这样要比现实世界高效得多。比如你训练机器人叠衣服，现实世界的训练就是机器人一遍遍地叠，但是在智能空间，每一秒都可以叠上万次。

Caroline（大叔）

11,359 Aufrufe • vor 23 Tagen

【赖清德上任后首度赴成功岭】【视导一年制的新兵训练】赖清德总统28日赴台中成功岭视导新兵入伍训练，这是赖清德上任后首度视导一年制的新兵训练。赖清德对新兵说，今天所受的训练、流的汗，都是为了保护国家安全。今天所做的努力，是为了台海和平稳定、台湾的安全、民主自由的制度，和经济持续发展。让台湾进步发展，也能够进一步带动世界进步发展，台海和平有利于世界和平。 #赖清德 #成功岭

【赖清德上任后首度赴成功岭】【视导一年制的新兵训练】赖清德总统28日赴台中成功岭视导新兵入伍训练，这是赖清德上任后首度视导一年制的新兵训练。赖清德对新兵说，今天所受的训练、流的汗，都是为了保护国家安全。今天所做的努力，是为了台海和平稳定、台湾的安全、民主自由的制度，和经济持续发展。让台湾进步发展，也能够进一步带动世界进步发展，台海和平有利于世界和平。 #赖清德 #成功岭

自由亚洲电台

279,392 Aufrufe • vor 2 Jahren

【军训学妹】最新开发刚刚大一还在军训的清纯学妹让她偷拿美女室友臭鞋跑到厕所顶级过肺一边闻一边展示自己捂了一天的军训白袜然后直接让她用嘴叼着臭袜磕头➕用嘴清洗➕闻舔室友臭鞋垫最后穿上满是口水和脚汗的白袜出门训练（完整版视频➕开发教程进主页原创群）

【军训学妹】最新开发刚刚大一还在军训的清纯学妹让她偷拿美女室友臭鞋跑到厕所顶级过肺一边闻一边展示自己捂了一天的军训白袜然后直接让她用嘴叼着臭袜磕头➕用嘴清洗➕闻舔室友臭鞋垫最后穿上满是口水和脚汗的白袜出门训练（完整版视频➕开发教程进主页原创群）

反差母狗

13,568 Aufrufe • vor 5 Tagen

如果 Ilya 判断是对的，那过去几年 AI 行业最坚固的三个共识，可能都错了： Scaling 不再是万能答案。 Benchmark 高分不等于真正智能。 RL 甚至可能在把模型越训越“笨”。这场被称为“Ilya 消失前最后一次采访”的对话里，他把当前大模型形容成竞赛编程选手：题能做得很难，遇到真实项目却会修一个 Bug、再造两个 Bug，反复循环。问题可能不是模型不够大，而是奖励机制让它过度追求正确答案，逐渐丢掉常识、直觉和学习能力。他更激进的判断是：预训练红利见顶，RL 红利也快耗尽，AI 已经从 Scaling 时代重新退回“研究时代”。真正的超智能不会是一个下载完毕、什么都知道的成品，而更像一个十五岁的天才：拥有极强的学习能力，然后在现实世界中不断成长。如果这个方向成立，下一轮 AI 竞争的关键就不再是谁堆的数据和 GPU 更多，而是谁先破解人类为什么只看几个例子，就能学会一件新事。 Ilya 很少说废话，这次却聊了四十多分钟。值得完整看完。最颠覆你认知的是哪一段？

如果 Ilya 判断是对的，那过去几年 AI 行业最坚固的三个共识，可能都错了： Scaling 不再是万能答案。 Benchmark 高分不等于真正智能。 RL 甚至可能在把模型越训越“笨”。这场被称为“Ilya 消失前最后一次采访”的对话里，他把当前大模型形容成竞赛编程选手：题能做得很难，遇到真实项目却会修一个 Bug、再造两个 Bug，反复循环。问题可能不是模型不够大，而是奖励机制让它过度追求正确答案，逐渐丢掉常识、直觉和学习能力。他更激进的判断是：预训练红利见顶，RL 红利也快耗尽，AI 已经从 Scaling 时代重新退回“研究时代”。真正的超智能不会是一个下载完毕、什么都知道的成品，而更像一个十五岁的天才：拥有极强的学习能力，然后在现实世界中不断成长。如果这个方向成立，下一轮 AI 竞争的关键就不再是谁堆的数据和 GPU 更多，而是谁先破解人类为什么只看几个例子，就能学会一件新事。 Ilya 很少说废话，这次却聊了四十多分钟。值得完整看完。最颠覆你认知的是哪一段？

Vincent

40,108 Aufrufe • vor 2 Monaten

馋了好久的巨乳直男，光是健壮的身材就已经足够迷人，意外的发现声音也特别好听，正巧碰上他在体能训练，传过来的喘气声让人听了无法自拔，这时候不勾引一定会后悔（完整版19分钟，已更新） #直男 #粗口

馋了好久的巨乳直男，光是健壮的身材就已经足够迷人，意外的发现声音也特别好听，正巧碰上他在体能训练，传过来的喘气声让人听了无法自拔，这时候不勾引一定会后悔（完整版19分钟，已更新） #直男 #粗口

爱粗口的直男

20,118 Aufrufe • vor 3 Monaten

OpenAI 创始人 John Schulman 访谈节选：为什么 GPT-4 比一年前更“聪明”了？主要都是后训练（Post-Training）带来的！另外他认为，在强化学习研究领域，研究人员需要具备丰富的经验和敏锐的直觉。了解整个技术堆栈，并对各个部分充满好奇心是关键。此外，从第一性原理出发思考问题，而不仅仅依靠实验证据，也能够帮助研究人员在数据操控和环境设置方面做出更好的决策。 *** Dwarkesh Patel：在未来，用于训练的计算力中，预训练与后训练的比例是否会明显偏向后训练呢？ John Schulman：确实，有一些观点支持这种说法。 Dwarkesh Patel：我是说，现在这个比例非常不平衡。 John Schulman：但你可以认为，模型生成的输出质量比网上的大多数内容都要高。因此，让模型自己思考似乎更有道理，而不仅仅是训练来模仿网络上的内容。所以，我认为从第一性原理上来说，这是有说服力的。我会说，我们通过后训练取得了很多进步。因此，我不确定。所以，我希望我们会继续推动这种方法，并且可能会增加投入到后训练中的计算力。 Dwarkesh Patel：当前的 GPT-4 的 ELO 分数比最初发布的版本高出了大约 100 分。这是否全都是后训练带来的改进呢？ John Schulman：对，我会说大部分都是后训练带来的。 Dwarkesh Patel：这很有意思。 John Schulman：因此，有很多不同的改进方向。我们会考虑数据质量，数据数量，进行更多的部署和收集新数据的迭代，改变你收集的注解种类。因此，有很多因素叠加在一起。但是全部加在一起，就会带来一个相当不错的，有效的计算力提升。 Dwarkesh Patel：后训练的优化程度对于竞争优势有多大影响呢？ John Schulman：目前，我会区别公司是通过我们的模型有多大等等。那么，找出你之前提到的所有这些数据的复杂问题的公司，会占据大优势吗？ John Schulman：我认为这确实是一个优势，因为这是一个非常复杂的任务。因此，你必须有很多有技能的人来执行它。因此，存在大量的隐性知识。同时也需要大量的组织知识。我认为后训练的过程，创建一个具备人们所关心的所有功能的模型，是十分复杂的。这需要付出大量的努力，它是大量研发工作的积累。我会说这种情况在某种程度上形成了一种壁垒，要想立即启动这种模型并非易事。 Dwarkesh Patel：看起来那些正在进行最严肃的预训练努力的公司，也在进行严肃的后训练努力。因此，看起来这种模型有可能被复制或有更多的类似努力出现。 John Schulman：另外，还有一种情况使得这个壁垒并非那么明显，那就是你可以提取模型，或者复制别人的模型输出，或者使用别人的模型进行比较。我认为大公司可能并不会这样做，因为这违反了服务条款，也会损害他们的自尊心，但我预计一些规模较小的参与者可能正在这样做以便更好地起步。 Dwarkesh Patel：那些真正擅长进行这种强化学习（RL）研究的人有什么样的特质呢？我听说这种研究非常具有挑战性，但是什么样的直觉能帮助你找到操控数据和设置环境的方法呢？ John Schulman：我觉得有相当多的经验是关键。自从研究生时期以来，我一直在研究 RL 算法，涉及到数据收集、到注释过程，再到与语言模型的交互。所以，我算是涉猎了这些领域。我认为，在这类研究中表现出色的人通常对整个技术堆栈有全面的了解，并且对其中的各个部分充满好奇心。他们不仅依靠实验证据来更新自己的观点，还会从第一性原理出发思考问题。比如，假设深度学习是有效的，那么理想的收集数据的类型应该是什么，等等。

OpenAI 创始人 John Schulman 访谈节选：为什么 GPT-4 比一年前更“聪明”了？主要都是后训练（Post-Training）带来的！另外他认为，在强化学习研究领域，研究人员需要具备丰富的经验和敏锐的直觉。了解整个技术堆栈，并对各个部分充满好奇心是关键。此外，从第一性原理出发思考问题，而不仅仅依靠实验证据，也能够帮助研究人员在数据操控和环境设置方面做出更好的决策。 *** Dwarkesh Patel：在未来，用于训练的计算力中，预训练与后训练的比例是否会明显偏向后训练呢？ John Schulman：确实，有一些观点支持这种说法。 Dwarkesh Patel：我是说，现在这个比例非常不平衡。 John Schulman：但你可以认为，模型生成的输出质量比网上的大多数内容都要高。因此，让模型自己思考似乎更有道理，而不仅仅是训练来模仿网络上的内容。所以，我认为从第一性原理上来说，这是有说服力的。我会说，我们通过后训练取得了很多进步。因此，我不确定。所以，我希望我们会继续推动这种方法，并且可能会增加投入到后训练中的计算力。 Dwarkesh Patel：当前的 GPT-4 的 ELO 分数比最初发布的版本高出了大约 100 分。这是否全都是后训练带来的改进呢？ John Schulman：对，我会说大部分都是后训练带来的。 Dwarkesh Patel：这很有意思。 John Schulman：因此，有很多不同的改进方向。我们会考虑数据质量，数据数量，进行更多的部署和收集新数据的迭代，改变你收集的注解种类。因此，有很多因素叠加在一起。但是全部加在一起，就会带来一个相当不错的，有效的计算力提升。 Dwarkesh Patel：后训练的优化程度对于竞争优势有多大影响呢？ John Schulman：目前，我会区别公司是通过我们的模型有多大等等。那么，找出你之前提到的所有这些数据的复杂问题的公司，会占据大优势吗？ John Schulman：我认为这确实是一个优势，因为这是一个非常复杂的任务。因此，你必须有很多有技能的人来执行它。因此，存在大量的隐性知识。同时也需要大量的组织知识。我认为后训练的过程，创建一个具备人们所关心的所有功能的模型，是十分复杂的。这需要付出大量的努力，它是大量研发工作的积累。我会说这种情况在某种程度上形成了一种壁垒，要想立即启动这种模型并非易事。 Dwarkesh Patel：看起来那些正在进行最严肃的预训练努力的公司，也在进行严肃的后训练努力。因此，看起来这种模型有可能被复制或有更多的类似努力出现。 John Schulman：另外，还有一种情况使得这个壁垒并非那么明显，那就是你可以提取模型，或者复制别人的模型输出，或者使用别人的模型进行比较。我认为大公司可能并不会这样做，因为这违反了服务条款，也会损害他们的自尊心，但我预计一些规模较小的参与者可能正在这样做以便更好地起步。 Dwarkesh Patel：那些真正擅长进行这种强化学习（RL）研究的人有什么样的特质呢？我听说这种研究非常具有挑战性，但是什么样的直觉能帮助你找到操控数据和设置环境的方法呢？ John Schulman：我觉得有相当多的经验是关键。自从研究生时期以来，我一直在研究 RL 算法，涉及到数据收集、到注释过程，再到与语言模型的交互。所以，我算是涉猎了这些领域。我认为，在这类研究中表现出色的人通常对整个技术堆栈有全面的了解，并且对其中的各个部分充满好奇心。他们不仅依靠实验证据来更新自己的观点，还会从第一性原理出发思考问题。比如，假设深度学习是有效的，那么理想的收集数据的类型应该是什么，等等。

宝玉

57,189 Aufrufe • vor 2 Jahren

2026/9/7/，贵州六盘水，破产绝望之下表演空中飞人，然后直接分家了！ 💥楼主点评：一个人究竟要经历怎样的绝望，才会连死亡都不再害怕？“空中飞人”看似只是一瞬间，背后却可能是长期的压力、债务和无助。无论生活多难，生命都不该成为失败的代价。愿每一个陷入困境的人，都能有一个重新开始的机会，也希望身边的人多一份关心，及时拉一把。 💥大家讨论一下：当一个人陷入绝境时，社会究竟还能为他提供多少真正有效的退路？

2026/9/7/，贵州六盘水，破产绝望之下表演空中飞人，然后直接分家了！ 💥楼主点评：一个人究竟要经历怎样的绝望，才会连死亡都不再害怕？“空中飞人”看似只是一瞬间，背后却可能是长期的压力、债务和无助。无论生活多难，生命都不该成为失败的代价。愿每一个陷入困境的人，都能有一个重新开始的机会，也希望身边的人多一份关心，及时拉一把。 💥大家讨论一下：当一个人陷入绝境时，社会究竟还能为他提供多少真正有效的退路？

明月

39,162 Aufrufe • vor 19 Tagen