像棋类游戏这种可以完全依赖内生反馈的任务，确实可以，但LLM不行，除非你训练的是一种不必与自然语言有任何相似性的任意交流系统 //@InnoJrWong:模型训练是可以有历史的，alpha go在训练时就是自我博弈，自己跟自己下棋，结果开局的演化和现实围棋开局的演化高度相似
发布于 澳大利亚
whigzhou
像棋类游戏这种可以完全依赖内生反馈的任务，确实可以，但LLM不行，除非你训练的是一种不必与自然语言有任何相似性的任意交流系统 //@InnoJrWong:模型训练是可以有历史的，alpha go在训练时就是自我博弈，自己跟自己下棋，结果开局的演化和现实围棋开局的演化高度相似