考察点：考察对RLHF动机、原理和权衡的理解。回答思路：说明监督微调的不足与RLHF的动机解释人类反馈如何对齐模型行为提及奖励模型、PPO等核心组件讨论RLHF的局限性或替代方案

为什么做RLHF？

蔚来人工智能汽车技术原理方案权衡

考察说明

考察对RLHF动机、原理和权衡的理解

本题已收录答题指导

登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。