_philschmid(@EMostaque)：SFT记忆，RL泛化。来自@GoogleDeepMind的新论文表明，强化学习在跨领域上有更好的泛化能力，而SFT主要是通过记忆来学习。在基于规则的任务中，RL泛化能力更强，而SFT更倾向于记忆训练规则。

在Emad (@EMostaque)最近的一条推文中，他转发了@_philschmid的推文，分享了@GoogleDeepMind的一篇新研究论文。这篇论文展示了强化学习（RL）和监督微调（SFT）之间的一个有趣比较。这项研究的关键发现是RL能够在不同领域中进行泛化，而SFT往往更倾向于记忆而非泛化。这种区别很重要，因为它挑战了传统的机器学习任务方法，并暗示RL在现实世界应用中可能更加多才多艺。对于那些对人工智能和机器学习最新进展感兴趣的人来说，这篇论文可能会为RL在特定任务之外更广泛应用的潜力提供宝贵的见解。- 新的GoogleDeepMind论文表明，强化学习在跨领域上具有泛化能力。 - SFT（Structured Feedback Transfer）记忆，RL（Reinforcement Learning）泛化。 - 强化学习能够在不同领域中进行泛化。