这意味着技术演进的关键，已经从理解人类行为转向理解物理规律的本质。以智能驾驶为例，如果仍停留在模仿人类驾驶行为阶段，将永远无法突破安全与体验的天花板。而是要直指驾驶本质，做到比人类更安全、更舒适，无限逼近“驾驶之神”。

逻辑 余凯 hsd 余凯博士 alphazero 2025-05-23 18:09  6

表 3 比较了预训练模型和 SFT 模型以及基于 Assistance Games 的策略。作者使用结合 piKL 的人类模型对每个模型进行了超过 1000 轮评估，并报告了与表 1 相同的指标。预训练策略和 SFT 策略均略微减少了实现相似目标完成率所需的人

我的世界 alphazero assistancezero 2025-04-12 18:33  7