标签：对齐

RLHF：让模型"听话"的三个步骤

• 2026-05-19
• 人工智能
• 0 评

要解决的问题预训练模型的目标是"预测下一个词"，这与"给出对人类有用的回答"并不完全一致。一个纯粹的预训练模型可能：给出有…