[
控场AI
]
知识动态
实体
播客
深度
开发者
关于
Get CLI
EN
#
语言模型对齐
共 1 篇相关文章
2026年11月12日
·
3 分钟
语言模型对齐的理论极限:KL预算下的奖励提升边界
从信息论角度解读语言模型对齐的理论极限:KL正则化下强化学习与best-of-N的奖励提升上界,分析边际递减规律及对超参数选择的实践含义。
阅读全文 →