执行推理时能对齐语言模型吗？谷歌InfAlign带来一种对齐新思路 2025年1月27日12时 作者 机器之心 机器之心报道 编辑：Panda 在根据某个奖励微调生成式语言模型时，使用 KL 正则化的强化学习（K
