本文提出了一种名为eva的开放式强化学习来自人类反馈框架，通过非-20241105051726

本文提出了一种名为eva的开放式强化学习来自人类反馈框架，通过非对称自博弈机制动态进化提示分布，显著提升了大型语言模型的对齐能力和泛化能力，并验证了基于奖励模型对比度的提示信息量度量方法的有效性。