题目 ID: q-4401 6．在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式 频次 4 NLP与大模型 收藏 标记完成 当前状态：未收藏、未完成 常见追问 在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式当前主流的强化学习算法有哪些？请写出对应损失函数的数学表达式。 常见公司 腾讯