willcb：inverse RL 将迎来复兴，攻克非可验证任务的奖励设计

willcb 在回应高性能代码 RL 设计提问时表示，PRIME、RLHF 这类 inverse RL 思路适用于「有判断数据但精确奖励函数难以写出来」的场景。他预计 inverse RL 很快会在更多「非可验证」任务上迎来复兴。