Мы знаем о оффлайн-обучении — предварительном обучении, dpo… данные известны заранее. Мы также знаем об онлайн-обучении — ppo, grpo... данные формируются во время обучения. Новое: Обучение Humanline — любые данные (оффлайн/онлайн), адаптированные под восприятие человека → могут обеспечить онлайн-результаты с меньшими затратами.