该博文内容摘自：https://blog.csdn.net/chaishen10000/article/details/131232948https://github.com/microsoft/DeepSpeedExamples/tree/master/applications/DeepSpeed-Chat 一、RLHF微调三阶段参考：https://huggingface.co/blog/rlhf1）使用监督数据微调语言模型，和fine