Garden topic
沿着同一个主题回看不同时间留下的线索、问题与修订。
从图像和语言到动作，还隔着接触、时延和环境变化；我想盯住模型失败后如何重新观察。
从人类偏好反馈到 DPO，我想弄清优化目标与真实想要的行为之间会留下多大缝隙。