如果“可验证”的奖励实际上是可验证的，那会怎样

追踪什么将推动RL环境的创建以及如何从中捕获价值是很简单的——只需看看我们如何评估和规定人类世界问题及其解决方案的价值，这不会有太大不同。

RL很酷，但在无监督的情况下更酷。