我們介紹了一種更好的方法來收集使用GRPO後的訓練數據。向專家收集樣本是昂貴的，註釋預算有限。哪些示例實際上值得支付？我們發現，專注於困難樣本可以帶來30-40%的改善。 1/7

這是什麼新類別的工作？它和我們在同一個房間裡嗎 👀。 想要自動化一切是可以的。這是當前的動態。然而，試圖通過指向尚不存在的工作來為此辯護並*不*令人感到希望。工業革命並沒有創造出能夠完成我們所有認知任務的機器。它們只是工具。 整個世界變成亞馬遜機械土耳其人*不*是任何人對美好未來的夢想。 這些與過去技術革命的類比在很大程度上是不誠實的。也許機器現在無法做到我們能做的一切，但在某個時刻它們會做到。值得認真思考在那樣的世界中社會如何重組，以及我們今天可以做些什麼。 收集數據並將其出售給實驗室是可以的。讓我們為自己建立一個大腦。也確實大多數人並不一定想要為了生存而工作，讓我們對人類的處境保持一些尊嚴。 相信超越人類的東西，同時追求一個由我們價值觀塑造的未來是高尚的，但這並不會通過把每個人都當作被送去數據提取的工廠豬來實現（除非這些豬也擁有工廠 ;））。