#经验时代

未来走向：Agentic RL、经验时代与超人类智能的分岔路

> RLHF 的奖励来自人类偏好，RLVR 的奖励来自规则验证器——下一步，奖励将来自世界本身。本篇是全系列的终章，把镜头推向正在发生的未来：当智能体被放进真实环境长期行动，RL 要面对什么新问题？Sutton 的"经验时代"宣言描绘了怎样的终局？以及，这条路会把我们带向超人类智能，还是撞上能力边界