技巧Agent 与开发者精选01:03score-centering 写入 RLHF 书，源于 Tinker 的 StableReinforceTinker 的 StableReinforce 用的 score-centering，Lambert 在 rlhf book 里补了推导，做 RL 训练的可以看下。#RLHF#StableReinforce#Tinker#微调Nathan Lambert@natolambert原文稍后读已读值得跟进有用关注 RLHF
