AI概念

人类反馈强化学习

RLHF

用人类偏好信号训练奖励模型，再优化策略以对齐有用与无全输出。

更新：2026/9/28 02:41:58首次收录：2026/9/28 02:41:58原始来源

详细说明

简单解释：让人给回答打分，模型学会更符合人类喜好的答法。专业解释：Reinforcement Learning from Human Feedback 是对齐常用路径之一，也有 DPO 等替代方法。

描述来源标记：原始/编辑整理

基于知识图谱关系，发现相关AI概念与跨分类内容。