Yoav Goldberg 推测：RL 训练或已纳入解释和修改模型权重的任务

Yoav Goldberg 推测，相关模型的 RL 训练不仅限于常规任务，还包含解释和修改模型权重类的任务。该推测用于回应“如何区分记住的配方与真正泛化”的问题：若模型在后训练截止后发布的新基座模型上仍能奏效，说明其学到的是泛化能力而非记忆。