大模型了解的比较模糊，主流的大模型平台对话框底下的踩和赞应该就是 RLHF 的前置步骤，即数据的收集，收集了之后一般是怎么影响到模型的呢，是不是还要隔一段时间将数据处理成指令数据集的格式，进行一轮微调？
