LLM加RL遭质疑：故意用错奖励，数学基准也显著提升，AI圈炸了 上午8时 2025/05/29 作者 机器之心 本文一出，所有的大语言模型（LLM）+ 强化学习（RL）都要被质疑是否有意义了。 这周二，一篇来自华
