Jasper Lu 实验：用 RL 训练 Qwen3.8-27B 的设计品味，judge 决定模型审美归属

Jasper Lu 在小米 MiMo-V2.6 开源 RL 环境中训练两个 Qwen3.8-27B 版本，实验显示模型形成的稳定设计品味取决于 LLM judge 的偏好。实验选取 2093 个 webdev 任务、共 7780 个 agentic 环境；LLM-as-judge 擅长识别明显糟糕的设计，却难以判断真正的品味。