#RLHF

標籤「RLHF」的文章，共 1 篇。

• 一人公司工作流＋學習系列AI 為什麼變得這麼有禮貌？先有一個會打分數的評審，再用 PPO 讓模型往高分方向修正。教程用 GPT-2 示範，讓它學會寫正面影評。2026 年 11 月 2 日・約 9 分鐘