为什么明明很准，奖励模型就是不work？新研究：准确度 is not all you need 下午4时 2025/03/24 作者 机器之心 设计 RLHF 的奖励模型时也是一样。 我们知道，一个 RLHF 算法是否成功的一大关键在于其奖励模
