📌 AI只会“抄答案”？谷歌SRL新框架，让它学会“解题思路”！深度解析监督强化学习
Original URL: https://youtu.be/dc59mSz3FzE
📌 AI只会“抄答案”？谷歌SRL新框架，让它学会“解题思路”！深度解析监督强化学习
⓵ 容易懂 Easy Know
想像一下，你正在學解一個超複雜的魔術方塊，這需要很多步驟。傳統的教法有兩種。第一種是「死背公式」（SFT），你只能一模一樣地照抄老師的動作，如果遇到新的狀況就會當場卡住，而且永遠無法比老師更厲害。第二種是「只看結果」（RLVR），只有你完全解開魔術方塊才能得到獎勵，但如果它太難了，你試一百次都失敗，根本不知道哪一步做錯了，最後就會放棄學習。
新的 SRL 方法就像一位超棒的教練。他不只看你最後有沒有解開，而是把你解方塊的過程拆成很多小動作（例如「轉左邊九十度」）。然後在你每做完一個小動作後，他會立刻告訴你：「做得像專家！」或「這裡有點不像」。教練給你鼓勵，讓你每一步都能得到明確的指導，但又允許你自己思考（例如先想一下下一步怎麼轉）。這樣一來，