待验证50% 置信事实精确时间
OpenAI训练InstructGPT时依靠人类标注员的反馈数据，使模型从能生成文本进化到能生成有用文本
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
待验证工具调用早期实现依赖ReAct等提示词技巧，模型通过文本格式输出行动指令，再由外部代码解析执行70% 相似待验证codex-1通过RLHF（基于人类反馈的强化学习）和针对代码任务的专项训练进行微调68% 相似待验证OpenCode 基于 ReAct（Reasoning + Acting）框架构建，模型在每一步输出思考过程和工具调用指令68% 相似待验证实现一次性代码生成的技术路径通常包括大规模代码语料预训练、基于人类反馈的强化学习（RLHF）以及工具调用（Tool Use）能力68% 相似待验证大语言模型的训练语料库通常包含Common Crawl网页数据、书籍、学术论文、开源代码仓库以及Stack Overflow等问答平台内容，并通过自监督学习（预测下一个token）将知识压缩进参数中68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/589989API
curl https://kongchang.com/api/v1/knowledge/claims/589989MCP
get_claim(id=589989)