研究者激辩 RL 泛化边界：若泛化够强，前沿实验室何必造环境

研究者 willcb 提出，若 RL 的分布外泛化强到可在数学或棋类上扩展并定向获得 X 领域行为，联合多任务 RL 的组合收益将强到让前沿实验室想办法避开 MOP