Říkat (aktuální) RL je hrozné Říkáme, že potřebujeme PRM a výcvik protivníků (sic: MuZero) lamentování nad kolapsem entropie a vysvětlování potřeby zachovat entropii při trénování a vzorkování Chci řídkou pozornost (a ATTN řídkou vrstvu přes KVCACHE)