最近剛開始做RLHF（從人類回報中做強化學習），訓練的最終的模型總是一團糟，這幾個訓練名額到底是不是正常的啊😥，網上能找的資訊太少了。#大語言模型 #RLHF 最近剛開始做RLHF（從人類回報中做強化學習），訓練的最終的模型總是一團糟，這幾個訓練名額到底是不是正常的啊😥，網上能找 最近剛開始做RLHF（從人類回報中做強化學習），訓練的最終的模型總是一團糟，這幾個訓練名額到底是不是正常的啊😥，網上能找 最近剛開始做RLHF（從人類回報中做強化學習），訓練的最終的模型總是一團糟，這幾個訓練名額到底是不是正常的啊😥，網上能找
