强化学习与对齐
简单介绍强化学习？
原题简单介绍一下 RLHF？
原题奖励模型需要和基础模型一致吗？
原题RLHF 在实践过程中存在哪些不足？
原题如何解决 人工产生的偏好数据集成本较高，很难量产问题？
原题如何解决三个阶段的训练（SFT->RM->PPO）过程较长，更新迭代较慢问题？
原题如何解决 PPO 的训练过程同时存在4个模型（2训练，2推理），对计算资源的要求较高 问题？
原题基于人类反馈的强化学习流程
原题什么是 LLM Agent?
原题LLM Agent 有什么关键能力？
原题
暂无题目