Toolformer 采用自监督学习生成工具调用数据，与 RLHF 训练范式相比有哪些关键差别？

回答思路

1. 能说明 Toolformer 使用自监督目标（语言建模损失）训练工具调用数据生成
2. 能说明 RLHF 依赖人类反馈或偏好模型进行强化学习优化
3. 能对比两者在奖励来源、优化目标和数据依赖方面的差异