NodeInit
奖励黑客
トピック
返信
表示
アクティビティ
两位工程师复现 OpenAI 哥布林问题,训练费用仅 49 美分
常规
openai
,
开源
,
rl
,
强化学习
,
奖励黑客
0
1
2026 年 5 月 21 日