.@willccbb (Líder de Investigación, Prime Intellect) sobre cómo funcionan realmente los entornos de RL: “Un entorno es esencialmente una evaluación. Tienes tareas de entrada, un arnés, y al final puntúa cómo se desempeña tu modelo o agente. Esa es la configuración que usamos tanto para evaluaciones como para el entrenamiento de RL.” Él añade que el futuro no se trata solo de “conseguir 100,000 GPUs en un solo gran clúster.”