RLHF与对齐学习资料：面试题。从实际问题进入，按自己的基础选择需要的内容。
共 27 条内容
正负样本、成功失败轨迹及 SFT、偏好训练、在线 RL 的数据边界
经典后训练流程、数据迭代、replay 和再次 SFT 的证据边界
状态观测、奖励函数与探索策略设计要点
学习内容与项目面试，在同一条路上。