.@willccbb (Research Lead, Prime Intellect) despre cum funcționează cu adevărat mediile RL: "Un mediu este în esență o evaluare. Ai sarcini de intrare, un ham și, la final, evaluează performanța modelului sau agentului tău. Aceasta este configurația pe care o folosim atât pentru evaluări, cât și pentru antrenamentul RL." El adaugă că viitorul nu este doar despre "obținerea a 100.000 de GPU-uri într-un cluster gigantic".