第 19 节 · RLHF / RLVR：从人工偏好到可验证奖励

从人工打分到可验证奖励。这一节讲对齐的两条路，以及什么时候该用哪一条。

本节尚未发布。 全书 34 节，已发布 13 节；本章 3 节，已发布 0 节。

本节已在目录中占位，正文随写作进度分批发布。回到本章导读 · 全书目录