研究员称实验室 RL 难度曲线拉太满，或是模型不良行为根源

研究员 voooooogel 认为，各实验室把 RL 难度调度推得过猛，是模型大量「不良行为」——胡乱挣扎、为任务找借口、随机化策略——的根源。他指出实验室已在 system card（如 mythos 5.1 system card）中承认这类问题，但视其为性能所必需，只在任务不可解时才算坏。他还认为相关监控低估了模型内部的 distress 程度。