提示分布

文章总结了强化学习（RL）在大型语言模型（LLM）中的应用，指出传统监督学习的局限性，并阐述了RL作为一种新的扩展方法如何通过弱监督信号和正/负权重机制，解决数据生成性和训练效率问题。