精选理由
一条视频就讲清楚了RLHF的原理和流程，适合想搞懂AI训练机制的朋友。
RLHF（基于人类反馈的强化学习）是一种让模型对齐人类偏好的训练方法。它先收集人类对模型输出的偏好比较，训练一个奖励模型，再用强化学习（如PPO）更新语言模型。该技术是ChatGPT等对话模型能力的关键来源之一。
原文 · 向阳乔木
每天学一个硬核AI知识：RLHF 基于人类反馈的强化学习是什么？
每天学一个硬核AI知识：RLHF 基于人类反馈的强化学习是什么？ Your browser does not support the video tag. 🔗 View on Twitter 💬 1 🔄 0 ❤️ 4 👀 854 📊 2 ⚡