यह शोधपत्र व्युत्क्रम सुदृढीकरण अधिगम (IRL) के दृष्टिकोण से वृहत्-स्तरीय भाषा मॉडलों (LLM) के संरेखण समस्या पर हाल के शोध रुझानों की व्यापक समीक्षा करता है। यह LLM संरेखण में प्रयुक्त सुदृढीकरण अधिगम तकनीकों और पारंपरिक सुदृढीकरण अधिगम कार्यों में प्रयुक्त तकनीकों के बीच अंतरों पर प्रकाश डालता है, और विशेष रूप से मानव डेटा से तंत्रिका नेटवर्क पुरस्कार मॉडल बनाने की आवश्यकता और इस प्रतिमान परिवर्तन के औपचारिक एवं व्यावहारिक निहितार्थों पर चर्चा करता है। सुदृढीकरण अधिगम की मूल अवधारणाओं का परिचय देने के बाद, हम LLM संरेखण के लिए IRL के व्यावहारिक पहलुओं को शामिल करते हैं, जिसमें हालिया प्रगति, प्रमुख चुनौतियाँ और अवसर, डेटासेट, बेंचमार्क, मूल्यांकन मेट्रिक्स, अवसंरचनाएँ, और कम्प्यूटेशनल रूप से कुशल प्रशिक्षण एवं अनुमान तकनीकें शामिल हैं। विरल-प्रतिफल सुदृढीकरण अधिगम पर शोध परिणामों के आधार पर, हम खुली चुनौतियों और भविष्य की दिशाएँ सुझाते हैं। विभिन्न शोध परिणामों को संश्लेषित करके, हमारा उद्देश्य इस क्षेत्र का एक संरचित और आलोचनात्मक अवलोकन प्रदान करना, अनसुलझे चुनौतियों को उजागर करना, और RL तथा IRL तकनीकों के साथ LLM संरेखण में सुधार के लिए आशाजनक भविष्य की दिशाएँ सुझाना है।
