指令集微调这个只是ChatGPT训练的第一步，后续的奖励函数和基于RLHF的训练并没有做，作者是觉得这个后续过程不太重要吗？

[thinksoso]

根据现有的参考，我们认为RLHF优先级不如优质的指令微调。