Att säga (nuvarande) RL är fruktansvärt säger att vi behöver utbildning för personer med nedsatt rörlighet och motståndare (sic: MuZero) beklagar entropins kollaps och förklarar behovet av att bevara entropin i träning och provtagning Vill ha gles uppmärksamhet (och attn gles lager över kvcache)