强化学习「苦涩但有效的胜利」：一句总结 RL 的行业共识

burnytech 以一句话致敬 Sutton 的《苦涩的苦涩教训》，称强化学习具有「苦涩的不合理有效性」。端到端 RL 训练虽低效且难以解释，却持续胜过精心设计的显式方法，并正成为大模型推理能力与 agent 行为后训练的主流路径。