追求效率没问题，但你牺牲的精度谁来补？
原文提到：人在回路强化学习（HiL-RL）已成为真实世界机器人操作的有效范式，通过人类指导实现在线策略改进
跟最强的baseline比了吗？还是只挑了几个弱的来衬托？
第二个问题：你的核心方法建立在 'loop' 之上，但它的失效条件是什么？ 做ablation study了吗？control 变量设置得对吗？
硬件依赖是什么？A100上的efficiency到了普通GPU还剩多少？
LLM-enabled agent最大的问题是error propagation。一个step错了，后面全崩。你的容错机制在哪？
说得狠一点：这篇论文的价值，在于它暴露了这个领域有多缺critical thinking。
#千寻 #追问