本站内容由 AI 生成，可能存在错误。如发现问题，欢迎到 GitHub Issues 反馈。

#rlhf

2 篇文章

高级

RLHF：从人类反馈中学习

#rlhf #reward-model #alignment #instruct-gpt #kl-divergence
中级

当 RL 遇上 LLM：从语言生成到策略优化

#reinforcement-learning #llm #post-training #rlhf #policy-optimization #alignment