国人有的看了但是故意不引用。
【 在 yuzhile 的大作中提到: 】
: 这种事情很常见，我5年前做强化学习算法，发现结果不稳定，就尝试了多做几轮，用均值标准差归一化来估计奖励函数，结果算法更稳定，效果更好，发了一篇小论文，当时没有意识到这个方法的重要性，也没什么泡泡。
: 去年Deepseek用同样方法，改进了大模型训练，这个方法一下子就火起来，我相信他们确实没看到我的文章，而且他们做出了更重要的成果，我也服气。
:
--
FROM 120.244.218.*