首页 > 试题广场 >

在指令微调阶段，相比SFT（监督微调），RLHF的主要优化目

[单选题]
在指令微调阶段，相比SFT（监督微调），RLHF的主要优化目标是？ 
  • 最小化预测词分布与人类标注的KL散度
  • 最大化模型输出的人类偏好奖励信号
  • 降低训练数据的标注成本
  • 提高Few-shot学习能力
查看正确选项
添加回答
爱跳的Mario头像 爱跳的Mario
RLHF 最大化模型输出的人类偏好奖励信号
发表于 2026-04-10 21:56:38 回复(0)
提交观点

问题信息

大模型概念
难度：
1条回答 53浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号