工程师科普：RLHF 靠真人评估文本，各实验室多年如此

JFPuget · x · 2026-09-16

针对「OpenAI 用 AI 审核聊天记录」引发的争议，IBM 的 JFPuget 解释：RLHF 即「基于人类反馈的强化学习」，这些人的工作就是评估模型生成的文本，模型再被训练去偏好被评为好的输出——这在各大实验室已持续多年，并非新事。

原文链接 →

「模型」频道最新

• Google 发布 Gemini 3.8 Live 双模型：语音对话可打断、97 语种实时切换 — GoogleAI · 2026-09-16
• Google 发布 Gemini 3.8 Live 语音模型，双版本同步上线 — GoogleAI · 2026-09-16
• DeepMind 展示 Gemini 3.8 Live 当编程家教：边推理边讲解不中断对话 — GoogleDeepMind · 2026-09-16
• 谷歌发布 Gemini 3.8 Live 与 Live Extended Thinking 对话模型 — GoogleDeepMind · 2026-09-16
• p0 效率榜:GPT-5.6 Luna 以每千任务 23.03 美元居首 — TheMoonMidas · 2026-09-16
• OpenArt Arena 发布：专业人士盲评 AI 创意模型排行 — azed_ai · 2026-09-16

更多「模型」频道 AI 资讯 →