121W，确实可以封神！
LLM+奖励模型 ：当下的迫切需求！大模型生成的毒性内容、幻觉等问题严重影响落地，而奖励模型虽对提升对齐效果作用显著，但目前泛化能力都很弱，难以应对复杂任务。可以关注代理型奖励模型、自我反思奖励模型……
reward
英文美文分享: Action’s Reward (行动的回报)
“Action is the foundational key to all success.” – Pablo Picasso“行动是一切成功的基石。” — 巴勃罗·毕加索In a dusty classroom, teacher Jun watched e
award与reward怎么区别呀，烦死了！
award 强调官方或正式机构颁发的荣誉性奖励，如奥斯卡奖、诺贝尔奖等，侧重权威认证与社会认可性