generativist：纠正模型刻板行为的 RL 成本巨大

generativist 感叹纠正模型琐碎刻板行为的 RL 成本大得惊人，并以“do it now. stop with the hash nonsense”指令暗示训练需反复纠偏。这则讨论揭示了对齐训练中纠偏环节的隐性代价。