已收录文章摘要，完整内容可前往原文阅读。
2022 年 ChatGPT 上线之后，强化学习就从一个小众领域，变成了夹在"聪明的基础模型"和"有用的产品"之间的那一层。到了 2026 年，训练大模型要回答的问题早就不是"要不要用 RL"，而是—