应试是不是一种reward hacking

至于正太？

似乎呀，不是为 reward 的

所以说啊，

是的

只有一个答案

『萝莉』

最后我们都训练成过拟合的，放到生产环境中一看就是梦到什么说什么

不算吧，算是Objective Mismatch

训练目标只是单纯追求最小交叉熵，和使用目标不一致

这你得问通信损耗和调度器了^-^

所以要坚定一个信念：我爱分数，但是我更爱真理。