待验证50% 置信事实精确时间

RLHF 由 OpenAI 于 2017 年前后系统化，最初用于让模型输出更符合人类价值观

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

模型越强工具越差？Claude新模型工具调用的隐藏陷阱

rss2026/7/4

相关事实

待验证RLHF 最初由 OpenAI 用于语言模型的对齐训练，后被广泛应用于图像生成领域79% 相似已验证OpenAI和Anthropic都采用了RLHF和代码执行反馈来优化模型的编程表现76% 相似已验证PPO（近端策略优化）是OpenAI在2017年提出的一种强化学习算法，成为RLHF的主流选择74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/137413

API

curl https://kongchang.com/api/v1/knowledge/claims/137413

MCP

get_claim(id=137413)