rlhf-book

这是一本关于人类反馈强化学习（RLHF）的开源教科书，系统讲解大语言模型后训练中的对齐技术原理与实践。项目包含完整的理论阐述、主流算法（如PPO、DPO、RLOO、拒绝采样等）的参考实现，以及奖励建模、指令微调、直接偏好优化等核心模块的可运行代码。基于Python构建，强调工程可复现性与教学实用性。适用于AI研究人员、大模型工程师及希望深入理解模型对齐机制的学习者，尤其适合开展RLHF实验、课程教学或工业级对齐方案预研。