2022 · Ouyang 等 / OpenAI · SFT → 奖励模型 → PPO，ChatGPT 的直接前身
2022 年，Ouyang 等人在 OpenAI 提出 InstructGPT，把对齐拆成三步：先用人工示范做监督微调，再
全文 122 字，已试读约 24%。开通专业版可阅读全文，并解锁全部官方课程与后续更新。
支持 7 天无理由退款 · 早鸟价 99 元/年（售完恢复365/年）
课程中涉及的第三方项目，其著作权与商标归各自权利人所有；引用处的署名与许可见《开源与来源说明》。