待验证50% 置信事实精确时间

RLHF是InstructGPT和ChatGPT能力跃升的核心技术，但存在奖励模型被过度优化（reward hacking）的内在风险

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

热爱LLM却厌恶炒作：工程师如何理性看待大语言模型

相关事实

已验证RLHF（基于人类反馈的强化学习）是ChatGPT等对话模型背后的关键训练技术73% 相似已验证RLHF的核心机制是训练一个奖励模型来预测人类对输出的偏好评分，再以奖励信号驱动策略梯度优化（通常采用PPO算法）72% 相似已验证RLHF通过收集人类偏好评分训练奖励模型，再用PPO等强化学习算法微调语言模型，但奖励模型可能被对抗性输入欺骗，且无法穷举所有有害请求表达变体71% 相似待验证经过RLHF对齐后的模型倾向于收敛到最安全、最高概率的输出，从而牺牲了创造性与多样性71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/503486

API

curl https://kongchang.com/api/v1/knowledge/claims/503486

MCP

get_claim(id=503486)