个人锚点 如果你也试过让 AI 写代码，你可能会注意到一件事：当你清楚知道自己要什么时，AI 表现惊人；当你自己都没想清楚时，AI 给出的东西怎么改都不对。
我们还将绘制负回报(其绝对值)和对数-对数标度上的相应计数，因为这些似乎近似遵循幂律(尤其是尾值)。
眼下正是民航暑运旺季，不少旅客关注航班超售问题。近日，北京、天津和河北三地消协组织开展航班超售认知专项调查，结果显示：虽然近九成旅客听说过航班超售，但近七成旅客并不能够完整掌握航班超售规则；仅近三成旅客清晰知晓超售后全额退改签、食宿安置、经济补偿等相关权益；购票过程中，超七成旅客反映超售风险提示文字过小、位置隐蔽、辨识度低，超半数旅客认为告知文字表述模糊。
只要 API 返回的是 ValueTask，就必须按第三种情况的约束来使用。真正的限制来自 ValueTask 包装 IValueTaskSource 的情况。
强化学习的一个结论：平稳温和的迭代，经常比单次激进优化得到更好的最终结果。train/value_loss 价值网络损失（Critic 网络专属损失）。
描述这九个格子的提示词足足用了 3700 个 token。3.0 把可接受的指令长度提到了 4.