标签
一篇作为“今日论文”分享的研究论文认为，当后训练教会模型遵循人类意图时，一个更小的模型可能比大100倍的模型更受青睐。
本文探讨了验证AI编码智能体输出的挑战，认为随着模型改进，验证正变得比生成更困难。它分析了四种奖励构建方式，并表明随着模型能力的增长，没有固定奖励函数能保持有效。