评论：Preference Model 投资 RL 环境，瞄准 post-training 的 reward hacking 痛点

针对 Jennifer Li 公布的 Preference Model 投资消息，作者 Cloris 表示看好其聚焦解决 ML 工程环境中的 reward hacking 问题，认为这是当前 post-training 方法中最难且影响最大的挑战之一。作者称，若能堵住 reward hacking，可谓 post-training 最痛的点了。