RLHF
AI 產業動態
PPO 發明者的 AI 使用哲學：讓模型幫忙，但要理解每一行程式碼
John Schulman 每天大量使用 AI 做研究——文獻搜尋、發展想法、寫作反饋。但他堅持一件事：研究工作不該讓 AI 寫你沒讀過的程式碼。做出最好成果的人，對每一行程式碼都瞭若指掌。
AI 開發實戰
Human in the Loop 不是臭蟲，是功能——為什麼 AI 全自動化的狂熱走錯了路
Klarna 高調宣稱 AI 取代 700 名客服，一年後全面撤回。前麥肯錫 QuantumBlack Labs 主管 Matt Fitzpatrick 認為，問題不在 AI 能力不足，而在於『全自動 …
AI 產業動態
從資料標註到「養育人類的孩子」——AI 訓練的真相
Surge AI 創辦人 Edwin Chen 深度訪談：為什麼 AI 訓練不是「標註貓照片」？諾貝爾獎等級的詩如何定義品質、RL 環境如何模擬真實世界，以及為什麼人類在 AI 訓練中不會消失。
理察·薩頓
理察·薩頓（Richard Sutton）是「強化學習之父」，2024 年圖靈獎得主。他定義了強化學習的理論框架和核心演算法，他的著作《強化學習導論》培養了整整一代研究者。沒有他的工作，就沒有 …