強化學習（RL）用於推理時通常依賴驗證者——對數學來說很棒，但對於創意寫作或開放式研究來說卻很棘手。 認識 RARO：一種新的範式，通過對抗遊戲教導大型語言模型（LLMs）進行推理，而不是依賴驗證。 沒有驗證者。沒有環境。只有示範。 🧵👇