2025 年伊始，RL 以一种破局归来的姿态在 LLM 的后训练时代证明了其巨大价值，Sutton 和 Barto 拿了图灵奖，David Silver 去年在 RLC 上说 “（RL 受关注的程度）终将跨越 LLM 带来的低谷”，竟然来得如此之快。

来源：AI寒武纪 MINDX摘录: 人类数据正在见顶，经验是下一个超级数据源，真正能推动AI跃升的数据，必须随模型变强而自动增长。 唯一的解法：经验本身 ️ 经验是无限的 ️ 经验能突破人类知识边界 ️ 经验流才是智能体的本地语言 Sutton 的主张很清晰：未来AI不是“提示词+知识库”，而是“行动 ...