[问题/Issue] 章节4：在后续章节中没有RLHF的代码

[Hbink-cx]

1. 遇到问题的章节 / Affected Chapter

chapter6

2. 具体问题描述 / Problem Description

缺失强化学习部分

3. 问题重现材料 / Reproduction Materials

第四章末尾有写：接下来，我们将依次实现如何从零开始训练一个 LLM，包括预训练、SFT 和 RLHF。
第六章只存在pretrain以及SFT，没有RLHF

确认事项 / Verification

• 此问题未在过往Issue中被报告过 / This issue hasn't been reported before