在为时不晚之前，我们能否重新定义RLHF为直接从人类获取反馈，而不是从奖励模型中获取？请

目前所称的RLHF，应该被称为RLAIF

目前所称的RLAIF，应该被称为零次RLAIF，因为没有使用反馈例子。