定义与核心思想人类反馈强化学习（RLHF）是一种结合传统强化学习与人类主观判断的机器学习范式。其核心思想是通过人类对智能体行为的直接评价（如偏好排序、评分或修正），动态调整模型的优化目标，使智能体在复杂、模糊的任务中逐步逼近人类期望的行为模