正向 KL vs 反向 KL!为什么OPD、RLHF在线强化学习用反向KL,SFT离线蒸馏却用正向KL?

青稞AI 2026年08月09日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

主页:http://qingkeai.online/ 作者:真中合欢https://www.zhihu.com/question/2067555143608954948/answer/20679085