待验证50% 置信观点精确时间
自评RLHF用模型自身的评分替代人类标注,降低了成本,但奖励信号来自模型自身,可能放大既有偏见,导致自我强化循环。
1
来源数
50%
置信度
长期有效
时效性
2026/11/1
首次发现
来源
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1122308API
curl https://kongchang.com/api/v1/knowledge/claims/1122308MCP
get_claim(id=1122308)