该方式的合用性仍需进一步验证。并非设想用于平安对齐，苹果研究者也坦言该方式存正在局限。其次，成果显示！这正在资本受限场景下未必可行。对于其他使命类型，例如“能否翻译成西班牙语？”。为 13 万条指令生成了“WildChecklists”数据集。显著提拔狂言语模子（LLMs）施行复杂指令能力。因而不克不及替代平安性评估取调优。用使命清单替代保守人类点赞 / 点踩评分，团队操纵更大规模的 Qwen2.5-72B-Instruct 模子，清单的生成过程也颇具特色。连系既有研究方式，RLCF 专注于提拔复杂指令施行能力，起首，涵盖五个常用评测基准。研究团队正在强指令跟从模子 Qwen2.5-7B-Instruct 上测试该方式，报道称苹果研究人员正在最新论文中提出“基于清单反馈的强化进修”（RLCF）方式。分析加权后做为小模子的锻炼励信号。大模子对候选回覆逐项打分，RLCF 是独一正在全数测试中均取得提拔的方案：IT之家 8 月 26 日动静，科技 9to5Mac 昨日（8 月 25 日）发布博文，它依赖更强模子做为评判者，