一种模型生成多个潜在输出的方法，但只有符合特定标准（例如质量或相关性）的输出才会被选中以供进一步使用。 例如，在 RL 过程之后，模型会生成多个响应，但只保留对重新训练模型有用的响应。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然。
