Meta刚刚发布了一篇论文，揭示了强化学习（RL）在大型语言模型（LLMs）上的秘密配方。 它列出了一个RL配方，使用了400,000个GPU小时，并提出了一个关于在RL中随着计算能力增加而提升性能的扩展法则，类似于经典的预训练扩展法则。 对于AI爱好者来说，必读。

来源：