奖励模型不是打分器，而是对齐系统里的“价值压缩层”

你是天才小猫技术干货 · 2026-03-28

飞桨星河社区「技术干货」目录。主题：奖励模型不是打分器，而是对齐系统里的“价值压缩层”。作者你是天才小猫，2026-03-28。正文在原文页面。

本页是目录，正文请到原文阅读。