Yacine：所有人做大型模型 RL 的方式都错了

Yacine JMAITI 断言，所有人采用的大型模型 RL 训练方式都有问题，并引用 vikhyatk 的观察指出，长程智能体 rollout 一次生成需数小时。他暗示现有流程尤其是长程智能体 rollout 的生成效率存在普遍方法缺陷，值得期待后续展开。