概念policy模型
policy
强化学习中的策略模型，在 RL 后训练中持续演化，其分布变化会导致基于模型的草稿器失配。
时间轴 (近 90 天)
10月30日
Kormos 将政策（policy）称为“组织最初的意图”或“最初的 system prompt”，并强调用 must、may、should 等明确规范动词书写。
待验证50%
强化学习中的策略模型，在 RL 后训练中持续演化，其分布变化会导致基于模型的草稿器失配。
Kormos 将政策（policy）称为“组织最初的意图”或“最初的 system prompt”，并强调用 must、may、should 等明确规范动词书写。