RLHF (apprentissage par renforcement à partir de retours humains)
Affinage de LLM à partir de comparaisons de préférences humaines, souvent via apprentissage par renforcement, levier clé de l'alignment après pré-entraînement.
RLHF (reinforcement learning from human feedback, apprentissage par renforcement à partir de retours humains) affine les LLM à partir de comparaisons de préférences humaines, souvent un classement de deux sorties du modèle, puis optimise via l’apprentissage par renforcement (souvent PPO). C’est un levier pratique majeur de l’alignment après pré-entraînement, distinct de l’apprentissage supervisé et du fine-tuning sur des paires entrée–sortie fixes.