（6）不友善行为 人身攻击及辱骂他人；针对以下群体发表诅咒、歧视、漠视生命尊严等性质的言论，群体包括：国籍、地域、性别、性别认同、性倾向、种族、疾病、宗教、残障群体等；对他人进行诅咒、恐吓或威胁，尤其是死亡威胁；针对其他用户的私德、观点立场、素质、能力等方面进行贬低或不尊重；讽刺其他用户，阴阳怪气地表达批评；对其他用户创作的内容直接进行贬低性的评论；冒犯其他用户，对其他用户使用粗俗用语；针对以下群体发表偏见性质的言论，群体包括：国籍、地域、性别、性别认同、性倾向、种族、疾病、宗教、残疾人群体等。
蒙内铁路运营方非洲之星铁路运营公司统计数据显示，截至26日，中肯共建“一带一路”标志性项目蒙内铁路货运量累计突破5000万吨，为肯尼亚物流运输和经济发展提供了有力支撑。
因此，我们可以把后训练理解为对模型输出分布的重新塑造。本文重点讨论三种后训练方法： 监督微调（Supervised Fine-Tuning，SFT）：在预先准备好的标准答案上学习； 强化学习（Reinforcement Learning，RL）：从当前模型的输出中采样，再根据奖励优化； 在线策略蒸馏（On-Policy Distillation，OPD）：由学生生成轨迹，再由教师在学生实际访问的状态上提供逐 token 指导。
最后 感谢参与分享开源项目的小伙伴们，欢迎更多的开源爱好者来 HelloGitHub 自荐/推荐开源项目。