train/approx_kl Approximate KL Divergence，近似平均KL散度，代表的是更新前旧策略 和 更新后新策略 的分布差距有多大。
美国Anthropic首席执行官达里奥·阿莫代伊曾公开警告立法者，开源模型正在走上一条“非常危险的道路”；图灵奖得主杰弗里·辛顿的比喻更加刺耳——他把大型开源模型比作“在零售店里卖核武器”。
1.“塞班”的梗来自于一位泰国...4...我站在雾里连牛马也看不清什么梗?你站在雾里连牛马也看不清,这句话的意思就是说自己在屋里其实看什么都是看不清的,就是说有的时候就是人当局者迷,旁观者清,当你出狱这件事情的时候,你根本就.
MIT 开源，Python 写的，目前在 GitHub 上接近 9000 star，900+ fork。