LLMLLM 基础

基于人类反馈的强化学习 (RLHF)

RLHF

用一个学习到的奖励模型配合策略优化，把模型输出对齐到人类偏好。

Tokens
input
Embed
vectors
Attention
context
LLM
next token
tokens → vectors → attention → next token

llm · 图文示意

© 2026 Genisource Vibe · 知识点详情