.@willccbb (Lider Badań, Prime Intellect) o tym, jak naprawdę działają środowiska RL: „Środowisko to w zasadzie ewaluacja. Masz zadania wejściowe, system testowy, a na końcu ocenia, jak działa twój model lub agent. To jest konfiguracja, której używamy zarówno do ewaluacji, jak i szkolenia RL.” Dodaje, że przyszłość nie polega tylko na „zdobyciu 100 000 GPU w jednym ogromnym klastrze.”