bitter-lesson

介绍了教学RL，一种范式，其中训练特权自我教师以生成正确且易于遵循的轨迹，表明这是一个相对简单的RL问题。

作者认为，虽然“苦涩的教训”和“没有免费午餐”的直觉在孤立状态下具有误导性，但当两者结合时，它们提供了正确的视角。