De la publicación de @tobyordoxford. ¿Existe buena evidencia pública de cuán amplias son las habilidades que los LLM aprenden de RL? Por ejemplo, ¿cuál es el ejemplo más convincente de aprendizaje por transferencia en RL? ¿Donde la capacitación en un entorno específico conduce a mejores capacidades en algunos dominios bastante diferentes? Sé que una respuesta obvia aquí podría ser simplemente señalar GPT 5. Por mucho que sea mejor en el pensamiento general que GPT 4o probablemente se deba a RL.