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：
Well, not quite. A deeper dive revealed the problem was far from over. A check on VirusTotal showed 10 different security vendors had flagged the domain.
。safew官方版本下载对此有专业解读
Сайт Роскомнадзора атаковали18:00
Фото: Пати Амирбекова / «Лента.ру»