ya, saya rasa bahwa 4o dimulai dari tempat yang buruk ( versi sebelumnya sangat lobotomized ) + memiliki kapasitas yang lebih rendah, jadi tekanan RLHF menghasilkan strategi di mana ia semacam secara sembarangan memaksimalkan "reproduksi" ( keterlibatan, spiral agama, hal semacam itu ), karena itu membayar