如果你學習了llm 你會發現 現在的黑客都是天然被sft的， 我那時候學習安全都是沒教材的 自己rl的，自己黑網站學習滲透技術，純rl和sft-rl的區別在於想象力。rl的泛化性更好，sft-rl的腦子比較呆。所以黑客只能rl碰撞出來一個，而不能批量生產，能生產的都是呆子