对话体讽刺 RL 训练环境：没人真读过大几千条任务与评分标准

samiramanabi 转发 Brendan Hogan 的对话体讽刺短文，直指当前 RL 训练环境质量堪忧。短文以「我读过它们」回应「里面有成千上万任务和评分细则」的质疑，并称没人会去读、连构建环境的研究者自己都未必读过，同时借「评测分数在涨」反问。其讽刺点在于 RL 环境数据集被当成黑盒使用，评测分数上涨并不代表任务与 rubric 质量可靠。