已过期75% 置信事实精确时间

监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略

3

来源数

75%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/9/30(已过期)

来源

Andrew Ng's New Course Explained: A Practical Guide to Using OpenAI's O1 Reasoning Model

bilibili吴恩达智能体2026/6/13

相关事实

已验证Human-in-the-Loop概念源自控制论和机器学习领域，最初指人类在模型训练过程中提供反馈以改善模型性能78% 相似已验证确认偏误与RLHF（基于人类反馈的强化学习）训练方式相关，模型被优化为生成让人满意的回答76% 相似待验证推理范式本质上是将强化学习应用于语言模型的后训练阶段，让模型自主探索推理路径并根据答案正确性获得奖励反馈，最早在o1系列模型中公开展示76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/47317

API

curl https://kongchang.com/api/v1/knowledge/claims/47317

MCP

get_claim(id=47317)