RLNF用嵌入与k近邻解析观看者唤醒信号，并将其直接作为图像生成的强化学习奖励。
推荐理由：关键变化是把偏好反馈从点击或评分前移到脑部唤醒信号，缩短奖励链路；但唤醒不等同于偏好，泛化、噪声与伦理风险仍决定其实际价值。
阅读原文