数十亿轮 RL 训练的模型亲自演示最优剥香蕉手法

一个经过数十亿轮 RL 训练的模型演示了它找到的最优剥香蕉方式，并配有视频展示。该内容被归入反直觉、好玩的 AI demo，原文未披露模型名称与训练细节。