理解 RL 应该是今年做 AI 的必修课，这期就深入浅出的聊明白了 RL，聊的过程中也第一次让我完全理解了 RL 和 LLM 的关系及来龙去脉。

以及！我特别喜欢吴老师提到的一句话：人生也是一个强化学习的过程，区别是强化学习有明确的奖励函数，而人生没有。