Ainexis
教 AI 变安全，通常要人逐条标注「有害」样本，又贵又慢。C…
逐节拆解 InstructGPT 论文：从 SFT 到奖励模…
UltraFeedback 是清华团队发布的超大规模 AI …
Nectar 是 UC Berkeley BAIR 团队（C…
HH-RLHF 是 Anthropic 在 2022 年论文…
逐条拆解 DPO 论文：RLHF 为什么要分「训奖励模型 +…
