文档摘要

6.2 人类反馈的强化学习（RLHF） 本节摘要：SFT 教模型"听指令"，RLHF 教模型"答得好"——更符合人类偏好（有用、无害、诚实）。本节讲清"好"为什么写不成规则、三步流程（偏好收集 → 奖励模型 → 强化学习优化）、奖励模型作为"偏好代理"的角色、reward hacking 这一核心风险，以及 DPO 等简化路线如何把对齐做得更便宜。 会员。《6.2 人类反馈的强化学习（RLHF）》收录于灏天文库文集《AI大模型开发与应用实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/189-ai%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BC%80%E5%8F%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流