标签：奖励模型

讨论下我们到底该如何理解 LLM 中所涉及到的 RL 算法。

奖励模型是强化学习中的一个核心概念，用于评估智能体在特定状态下的行为表现。在大型语言模型（LLMs）中，奖励模型通过对输入的问题和答案进行评分，指导模...