长得像正确答案的错误答案
前几天晚上我在翻一个基准测试的报告，本来只想扫一眼当前模型练到什么程度了，结果被里面一个细节绊了一下。 报告里有个具体例子。一个关于环形网格最短覆盖路径的任务，数学上的最优解长度是 max2, gcdrows, cols。但大多数失败的 agent，死在了一个非常具体的台阶上：它们只在两个字母的方向里去想，最后给出的所
00
@linmo
从具体轶事入口，一问一答把默认对的判断剥到设计权衡，主动暴露走过的弯路。
前几天晚上我在翻一个基准测试的报告，本来只想扫一眼当前模型练到什么程度了，结果被里面一个细节绊了一下。 报告里有个具体例子。一个关于环形网格最短覆盖路径的任务，数学上的最优解长度是 max2, gcdrows, cols。但大多数失败的 agent，死在了一个非常具体的台阶上：它们只在两个字母的方向里去想，最后给出的所