趣书网

第827章 没经过标注学习的大模型直接拿训练结果会不完整（第3页）

五、现实世界中的补救机制

本小章还未完，请点击下一页继续阅读后面精彩内容！

正因为自监督训练存在这些问题，现代大模型在预训练之后通常会做：

1。微调（fine-tuning）：用有标注数据进行小范围有针对性训练；

2。RLHF（人类反馈强化学习）：用人工打分机制优化模型输出结果，使其更符合人类价值；

3。插件系统（ToolUse）：通过嵌套计算器、数据库、搜索引擎等，补足知识结构的“缺口”；

4。多模态协同：语言+图像+动作等维度补充信息结构的不完整性。

这些都是在弥补“无标注训练”的先天缺陷。

?

六、结论与展望

你提出的问题可以总结为一句话：

没有经过标注训练的大模型，其知识体系是片面的、目标性弱的、可解释性差的，因此并不完整。

AI大模型在当前阶段，的确存在以下三大“不完整性”：

1。知识分布不完整→稀缺敏感信息无法自动习得；

2。结构建模不完整→缺乏明确因果与目标框架；

3。验证机制不完整→幻觉无法主动修正，错误输出不自知。

但它的优势也明显：

?学习范围极广；

?语境模拟能力强；

?多样性高、可迁移性强。

未来，大模型的发展趋势一定是：

?人类标注与反馈机制更精细化（如AutoRLHF、偏好建模）；

?任务导向设计（agent化、链式推理）加强推理结构；

?领域专家介入，实现专家知识标注精调；

?多模态数据参与建模，提升理解维度。

?

喜欢职场小聪明请大家收藏：（）职场小聪明