Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Long-term
Relevance
7/22/2026
First Seen
Sources
Related Claims
Unverified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% similarUnverifiedcodex-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% similarUnverifiedOpenCode 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% similarUnverified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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/589989API
curl https://kongchang.com/api/v1/knowledge/claims/589989MCP
get_claim(id=589989)