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

月下彩云轻舞

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)