今日、多くの人がこの引用を嘲笑しました。しかし、彼らは、推論が漸近的に LLM のコストを支配することを考慮に入れることを忘れています。そして、これには、RLでトレーニングパラダイムが強化されるため、トレーニングコストが含まれます。