别教授它，去激励它

文章预览

Don't teach. Incentivize 别教授它，去激励它 ‍‍‍‍‍ 一点题外话：OpenAI o1发布引起了广泛的对所谓RL + Self-paly、Inference-time Scaling Up新范式的讨论，模型甫一发布，就有很多人在朋友圈说“早就知道xxxx了”，确实学术界已经做了蛮多类似的工作，甚至在小圈子里早已是共识，但是“知道”并没有什么用，重要的是我们如何真正“做到”，知道而做不到还是因为知道得太浅显。 回到本期主题，也是关于“范式”或者一些看待模型学习的新视角（按照最近常见的说法就是“可能是o1的核心秘诀！”（误），分享的视频来自OpenAI的Research Scientist Hyung Won Chung，短小精悍易理解，标题意思是说在训练模型时， 我们应当避免灌输给模型知识，而是激发模型去自主学习 ，除核心要点外还有更多有趣的细节。 放一下笔者对视频的摘要，只摘录了有启发性的句子， ………………………………