本文研究了大型语言模型的奖励功能和决策过程不透明的问题。通过逆向强化学习，恢复了隐性奖励功能，分析模型大小与可解释性的关系，并揭示RLHF过程中的潜在问题。结果表明，IRL衍生的奖励模型在新模型微调中表现出色，有助于提高模型对齐性。