论文提到的融合强化学习思想的大模型，可解释性差（主要是奖励机制需要推导），但计算成本低。到了今天，算力成本已经成为制约大模型发展的一个瓶颈。
Artificial Intelligence
1. 公式行内显示(inline)：请使用 $....$ 或 \(....\) 包裹代码
2. 公式独占一行显示(display)：请使用 $$....$$ 或 \[....\] 包裹代码
3. 插入的公式在编辑时不会渲染，请检查无误后再插入。
