Le RLHF est la technique d'entraînement qui a transformé les modèles de langage bruts en assistants utiles comme ChatGPT et Claude. Des humains comparent des paires de réponses et choisissent la meilleure ; un modèle de récompense apprend ces préférences ; puis l'apprentissage par renforcement optimise le modèle de langage pour produire les réponses préférées, le rendant plus utile, honnête et sûr.