拒绝采样微调rejection sampling fine-tuning

rejection sampling fine-tuning 是让模型生成多个候选结果，筛选符合预设条件的结果，再将其作为样本对模型进行微调的方法。它与利用奖励信号优化模型行为的强化学习不同，训练材料是筛选后的结果。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误，请通过更正请求告诉我们。