待验证50% 置信事实精确时间
Paul Christiano早年在OpenAI从事对齐研究，是RLHF（人类反馈强化学习）技术路线的重要推动者
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证Christiano在2017年发表论文《Deep Reinforcement Learning from Human Preferences》，被认为是RLHF技术路线的奠基性工作之一74% 相似已验证RLHF（基于人类反馈的强化学习）最早由OpenAI在InstructGPT论文中系统性提出并应用71% 相似待验证Paul Christiano创立了Alignment Research Center（ARC）56% 相似待验证RLHF是InstructGPT论文的核心贡献55% 相似已验证Anthropic采用RLHF（基于人类反馈的强化学习）和Constitutional AI方法进行模型改进52% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/905449API
curl https://kongchang.com/api/v1/knowledge/claims/905449MCP
get_claim(id=905449)