沈玲凤 陈思浩（Sihao Chen） 宋林峰 李凤珍（Lifeng Jin） 彭宝林 海涛蜜 丹尼尔·卡沙比 董瑜0001 奖励一致性对RLHF的涓滴效应。 2023 abs/2309.16155 CoRR公司 https://doi.org/10.48550/arXiv.2309.16155 db/journes/cor/corr2309.html#abs-2309-16155