awesome-RLHF

收录理由

想弄明白语言模型是怎么一步步学会贴合人类偏好的，这份RLHF研究索引是个很实在的起点。它把论文按年份排好，从早期奠基工作一路排到2026年，顺着翻就能看清PPO、DPO这些方法是怎么演进的，不用自己钻进会议论文集里大海捞针。维护者还顺手收集了代码库、数据集、博客和书籍，读完理论想动手跑实验时，这些资源能省下不少找东西的功夫。开头的概览部分用大白话讲清了RLHF的核心思路，就算对强化学习没什么概念的人也能快速进入状态。做研究的学生、带项目的老师，还有想摸清对齐技术脉络的工程师，翻这份清单都能省下实实在在的时间。