#模型时代# Jim Fan: 那些认为RL（强化学习）需要更少算力的根本就不懂RL。因为，sft（监督式微调）是人类数据加机器学习；rl是机器数据加机器学习。
让我用一句话阐述就是：机器自身闭环训练带来更多的计算需求。
发布于 北京
高飞
#模型时代# Jim Fan: 那些认为RL（强化学习）需要更少算力的根本就不懂RL。因为，sft（监督式微调）是人类数据加机器学习；rl是机器数据加机器学习。
让我用一句话阐述就是：机器自身闭环训练带来更多的计算需求。