哈佛研究：LLM推理未必需要強化學習

RL成推理標配

近年來，強化學習被廣泛用於提升大語言模型的推理表現，從基於人類反饋的訓練流程，到以可驗證獎勵驅動的推理訓練，RL幾乎成為頭部模型的標配路線。

然而，強化學習的訓練流程複雜、算力開銷龐大，且獎勵信號的設計往往需要精細調校，對不少研究團隊而言，入場門檻並不低。推廣成本不容小覷。