作为 RLHF 方面的专家，Lambert 认为，当前最顶尖的模型训练，已经高度依赖强化学习（RL）。而 RL 和蒸馏在本质上是两种不同的事情：
我最喜欢在集市买东西，打比方说衣服，性价比超高。集市上的服装，默认收集民意，冬天为个舒适暖和，夏天图个凉快，多余的设计，一点儿没有。便宜没好货，未必对。明星走红毯穿的礼服倒是贵，但不冻着你，不绊着你，不叫设计。我有个建筑师朋友，在我的影响下，第一次拒绝了客户。对方就是暴发户心理，想要一堆花里胡哨的东西。要真有子儿，只当瞎玩玩；没几个钱还想瞎玩，趁早拉倒。豆腐渣工程都是这么来的。
，详情可参考heLLoword翻译官方下载
Human brain cells on a chip learned to play Doom in a week，详情可参考WPS下载最新地址
Americans are destroying Flock surveillance cameras，详情可参考旺商聊官方下载