Unverified50% confidenceFactExact time

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

Sources

50%

Confidence

Long-term

Relevance

7/7/2026

First Seen

Sources

模型越强工具越差？Claude新模型工具调用的隐藏陷阱

rss7/4/2026

Related Claims

UnverifiedRLHF 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% similar VerifiedOpenAI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% similar VerifiedPPO（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% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/137413

API

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

MCP

get_claim(id=137413)