Fra @tobyordoxford innlegg. Er det gode offentlige bevis på hvor brede ferdighetene som LLM-er lærer av RL er? Hva er for eksempel det mest overbevisende eksemplet på overføringslæring i RL? Hvor trening i et spesifikt miljø fører til bedre evner i noen ganske forskjellige domener? Jeg vet at et åpenbart svar her kan være å bare peke på GPT 5. Uansett hvor mye det er bedre på generell tenkning enn GPT 4o, er det sannsynligvis på grunn av RL.