Reinforcement Learning First Principles (强化学习第一性原理：探索与试错)
在通用人工智能（AGI）的演进道路上，纯粹依靠标注数据的有监督微调（SFT）面临“知识上限受限于标注者水平”的瓶颈。强化学习（RL） 代表了智能自主超越人类经验的第一性原理范式。
Source: 2026-08-25-xiaohongshu-xhslink-cn-o-4P21nENkCJg-05d1f292df.md（来源未公开）
1. 试错机制与涌现
- 无监督标准答案环境下的自适应：智能体通过生成动作、观察环境状态奖励，并在大规模探索（Exploration）与利用（Exploitation）中自主发现未被预定义的高阶策略；
- 思考时间扩展（Test-Time Compute）：结合强化学习对长思考链的验证反馈，模型能够在测试阶段进行自我纠错与验证，实现推理能力的质变跃迁（test-time-scaling）。