615 B
615 B
title, created, updated, type, tags, status
| title | created | updated | type | tags | status | ||||
|---|---|---|---|---|---|---|---|---|---|
| RLHF (Reinforcement Learning from Human Feedback) | 2026-06-03 | 2026-06-03 | concept |
|
placeholder |
RLHF (Reinforcement Learning from Human Feedback)
⚠️ 占位符页面 — 待完善
RLHF 是一种基于人类反馈的强化学习对齐方法，是 SFT 的主要替代/补充后训练范式。典型流程：SFT → 奖励模型训练 → PPO 优化。
与 SFT 的对比是 zhang-reconciling-sft-interaction-2026 讨论的重要背景。