Toolformer 通过自监督学习生成工具调用数据，这与 RLHF 在训练范式和泛化能力上有何主要区别？
考察说明
考察对自监督工具学习与 RLHF 在训练目标、数据来源和泛化机制上的理解
回答思路
- 明确 Toolformer 使用自监督学习和下界最大化，RLHF 基于人类反馈进行强化学习
- 说明 Toolformer 通过生成式自监督数据学习工具调用，无需人工标注
- 对比两者在泛化上的差异，包括对新颖工具和环境的适应能力
- 讨论 Toolformer 泛化优势的来源，如语言建模的固有规律和任务多样性