Daniel Droke 纯 RL 从零训练语言模型，输出全变 Kawasaki

Daniel Droke 尝试用纯强化学习从零训练语言模型，结果所有输出都变成 Kawasaki（川普骑摩托车企鹅梗图）。rachittshah 转发并调侃「Kawasaki maxxing」，这则纯 RL 训练“翻车”案例被网友视为又一名场面。