即刻App年轻人的同好社区
下载
宗教为人类设计了一个永恒的强化学习环境。其终极目标（如“救赎”、“涅槃”）是一个不可证伪且永不终结的外生目标。通过执行祈祷、仪式等策略，人类能从该环境中获得稳定、持续的内在奖励信号（如平静、意义感、希望），从而规避了在现实环境中追求有限目标所带来的奖励稀疏与策略终结问题。
6 11
来外滩大会简单聊了聊，也和一直特别喜欢的up主 @老蒋不一定靠谱 录了播客
老蒋最后一个问题很犀利也很喜欢，“从你的经历来看，会觉得你是一个投机的人”，我当时的回答算不上很好，但我昨晚想了想，强化学习里有个概念叫“奖励”，模型学习时就是让自己获得更多的奖励，也许有些人的“奖励”是金钱，有些人的“奖励”是名声，对我来说“奖励”是好奇，探索那些我没有尝试过的，人类没有尝试过的事情，却创造有价值的东西
所以老蒋在开头也问我，OpenManus那个事情有没有让我人生改变很大，其实没有那么大，虽然我五月离职去了新团队创业，但其实离职前后的我从来没有要过更多的钱，所以薪资基本没有变化。对我来说人生的改变，可能只是到了一个新的环境去寻找和探索人生的意义
老蒋最后一个问题很犀利也很喜欢，“从你的经历来看，会觉得你是一个投机的人”，我当时的回答算不上很好，但我昨晚想了想，强化学习里有个概念叫“奖励”，模型学习时就是让自己获得更多的奖励，也许有些人的“奖励”是金钱，有些人的“奖励”是名声，对我来说“奖励”是好奇，探索那些我没有尝试过的，人类没有尝试过的事情，却创造有价值的东西
所以老蒋在开头也问我，OpenManus那个事情有没有让我人生改变很大，其实没有那么大，虽然我五月离职去了新团队创业，但其实离职前后的我从来没有要过更多的钱，所以薪资基本没有变化。对我来说人生的改变，可能只是到了一个新的环境去寻找和探索人生的意义
15 71