Barret Zoph和John Schulman曾在OpenAI共同担任后训练联合负责人，从2022年9月开始合作，主要目标是开发一个对齐的聊天机器人，最初的团队被称为“RL”，只有少数几个人。 接着介绍了后训练（Post-Training）阶段是什么： 后训练阶段是模型开发的最后一步，目的是让 ...