多轮对话有了解吗？损失函数的构造和单轮有什么不一样？

回答思路

1. 说明多轮对话与单轮在输入结构上的差异（引入历史上下文）
2. 分析损失函数在序列生成中的构造方式（如交叉熵、掩码）
3. 讨论如何处理对话历史与响应的一致性和相关性
4. 提及常见技术如教师强制、课程学习或强化学习在损失设计中的应用