https://www.youtube.com/watch?v=7xTGNNLPyMI
第7集（约 21 分钟）。前一集多在可验证领域（答案对不对可自动判）；本集进入不可验证领域——例如笑话好不好笑，没有标准答案框可对。Karpathy 讲人类反馈强化学习（RLHF）：用偏好给开放式生成打分，才能把助手调得更贴人用，也解释为何这套流程又贵又难放大。
翻译视频仅供学习交流
转载+翻译：出发向未来
原作者：Andrej Karpathy
原链接：https://www.youtube.com/watch?v=7xTGNNLPyMI
中文配音由 AI 生成
