苹果新研究揭示LLM对齐新范式：清单式强化学习优于传统奖励模型

苹果研究人员提出新型“清单式”强化学习方案（RLCF），通过让模型对照清单自检工作，显著提升开源大语言模型性能。该方法在复杂指令任务中表现优于传统奖励模型，突破RLHF局限性，成为重要后训练优化手段。