待验证50% 置信事实精确时间
监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Andrew Ng's New Course Explained: A Practical Guide to Using OpenAI's O1 Reasoning Model
bilibili吴恩达智能体2026/6/13
相关事实
已验证Human-in-the-Loop概念源自控制论和机器学习领域，最初指人类在模型训练过程中提供反馈以改善模型性能78% 相似待验证修复层采用「先确定性修复错误数据再附上修复提示」的策略，利用模型的in-context learning能力完成行为校正77% 相似待验证若训练数据完全由正样本构成，模型会倾向于对任何输入都强行调用工具，产生幻觉式调用77% 相似已验证确认偏误与RLHF（基于人类反馈的强化学习）训练方式相关，模型被优化为生成让人满意的回答76% 相似待验证推理范式本质上是将强化学习应用于语言模型的后训练阶段，让模型自主探索推理路径并根据答案正确性获得奖励反馈，最早在o1系列模型中公开展示76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/47317API
curl https://kongchang.com/api/v1/knowledge/claims/47317MCP
get_claim(id=47317)