RLHF (aprendizaje por refuerzo a partir de retroalimentación humana)
Ajuste de LLM a partir de comparaciones de preferencias humanas, a menudo con aprendizaje por refuerzo, clave para el alignment tras el preentrenamiento.
RLHF (reinforcement learning from human feedback, aprendizaje por refuerzo a partir de retroalimentación humana) refina LLM con comparaciones de preferencias humanas, a menudo clasificando dos salidas del modelo, y luego optimiza con aprendizaje por refuerzo (habitualmente PPO). Es una palanca práctica central del alignment tras el preentrenamiento, distinto del aprendizaje supervisado y del ajuste fino sobre pares fijos entrada–salida.