chatgpt开启预训练pretrain，有监督微调sft，奖励模型rm，人类反馈强化学习范式rlhf的大语言模型范式，23年24年全球大模型公司和机构争相追随
deepseek r1 zero开启了预训练pretrain，强化学习rl的全新范式，将掀起新一轮的大语言模型旋风，这一次是中国的公司做起了新方向的领头羊，彩！
发布于 安徽
Harvey科技