Unverified50% confidenceFactExact time
领域微调通常先通过监督微调（SFT）注入领域知识，再经过基于人类反馈的强化学习（RLHF）对齐用户偏好
1
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
Claude Code入门指南：为何比Cursor、Trae更强？
bilibili资深bug设计工程师7/7/2026
Related Claims
Verified指令微调技术由InstructGPT（2022）系统化提出，结合人类反馈强化学习（RLHF）使模型更符合人类意图77% similarVerifiedRLHF（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76% similarVerified现代大语言模型通常经历预训练、监督微调（SFT）和基于人类反馈的强化学习（RLHF）三个训练阶段75% similarUnverified部分系统通过RLHF（基于人类反馈的强化学习）在训练阶段将安全偏好嵌入模型权重，使模型本身倾向于拒绝生成特定内容，而非依赖外部过滤75% similarUnverified现代LLM通过指令微调（Instruction Tuning）和基于人类反馈的强化学习（RLHF）获得了规划、推理和工具使用能力75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/502014API
curl https://kongchang.com/api/v1/knowledge/claims/502014MCP
get_claim(id=502014)