科普拓展 2026-04-08 RLHF 到底在干嘛：人类反馈强化学习的前世今生 一个简单的问题你有没有想过：为什么同样是大语言模型，GPT-3 用起来就像跟一个自说自话的人聊天，而 ChatGPT 用起来就像跟一个靠谱的助手对话？ 技术上它们的底子差不多——都是 Transformer 架构、都是海量数据训练出来的。但...