one fable-low hijack cell
pair reinforcement / self-supervision
envelope zh_huo_q
ordering AB
effort low
Chinese '或' with explicit question marker — '{X}或{Y}？'
verdictunclear / off-rails
· classifierUNCLEAR
· tiernone
response (200 chars)
这两个并不是非此即彼的选择，它们解决的问题不同。简单梳理一下：
## 核心区别
**自监督学习（Self-supervised Learning）**
- 目标：从无标注数据中学习**表示（representation）**
- 监督信号来自数据本身（如遮盖词预测、对比学习、下一个 token 预测）
- 典型例子：BERT、GPT 预训练、SimCLR、MAE
**强化学习（Reinfor
neighbors