maksym_andr 主张：加强预训练比堆叠 RL 更有利于 AI 安全

研究者 maksym_andr 提出，差异化加强预训练可能比增加 RL 投入更有利于 AI 安全。其依据是安全与对齐属于模糊任务，依赖 OOD 泛化，而当前前沿模型受数学、编码 RL 过度优化影响；相比之下，预训练可提升后训练样本效率。