https://auto-driving-blog.vercel.app/tags/-%E4%B8%AA%E4%BA%BA%E6%80%9D%E8%80%83/ Recent content in 🤔 个人思考 on Elon's AD Insight https://auto-driving-blog.vercel.app/images/share.png https://auto-driving-blog.vercel.app/images/share.png Hugo zh-cn Wed, 22 Jul 2026 00:00:00 +0000 https://auto-driving-blog.vercel.app/posts/thoughts/rl-diffusion-traj/ Wed, 22 Jul 2026 00:00:00 +0000 https://auto-driving-blog.vercel.app/posts/thoughts/rl-diffusion-traj/ RL + 生成式轨迹是 2025-2026 最火热的方向之一。本文从一个小白的视角，梳理 SFT 的天花板、四种 RL 范式（奖励引导、拒绝采样、策略梯度、世界模型），深入分析 log-prob 难题和 reward hacking，用大量对比图和流程图让每个概念一目了然。最后给出了自己的理解和未来方向判断。