RLHF

なぜ文章を生成しないのか｜RLCD と校正された確率

Jev が文章を生成しない理由を、TypeSafe AI の学習方法 RLCD と「校正された確率」の意味から解説。RLHF・RLVR との違い、確率をしきい値としてコードで使う実務上の意味を整理します。