RL for LLM：为什么强化学习训练大模型这么难？
为什么 DeepSeek-R1 用 RL 能成功，但大多数学术界复现全失败？从 pass@k 的视角理解 RL 训练 LLM 的本质限制、五大失败模式和 entropy collapse 现象。
#LLM
4 posts
← All tagsIn-Context Learning 能力的真实边界：LLM 从上下文「学会」技能了吗？
Ctx2Skill 提出自演化的多 Agent 自博弈框架，从上下文中自动发现、提炼和选择技能——无需人工标注或外部反馈。核心问题：LLM 真的能从上下文中学习技能，还是只是模式匹配？