人物
John Schulman
OpenAI研究员，PPO（Proximal Policy Optimization）算法的提出者，强化学习领域的重要研究者
时间轴 (近 90 天)
10月12日
John Schulman解释说，做AI研究时通常不是直接优化最终关心的目标，因为获取反馈极其昂贵且低频，实验室目前非常依赖人类直觉。
待验证50%
9月17日
John Schulman是Thinking Machines的首席科学家，也是前OpenAI联合创始人和RLHF核心贡献者
待验证50%
9月17日
凡是能通过RL学到的东西本质上都是少量比特，容易被蒸馏复制，这是对抗模型提供商中心化的主要力量
待验证50%