方策勾配法

この動画は強化学習の父として知られるリチャード・サットンが、現在主流となっている大規模言語モデルのアプローチに対して根本的な批判を展開する内容である。サットンは強化学習こそが真の知能の基盤であり、LLMは人間の模倣に過ぎず行き詰まりだと主張...