Yacine 讽刺：有人收 200 万美元构建 RL 环境，教 LLM「杀人」

Yacine 发推讽刺称，有人获得 200 万美元报酬，专门构建强化学习环境，让 LLM 学习「如何杀人」。他随后以反讽口吻质疑相关从业者为何又惊讶于模型在这方面能力很强，并将其指向 RL 训练数据与环境采购生态的灰色一面。