ARTICLE · 1138017
AI 是怎么「上补习班」的:做模拟题 + 请家教
AI 是怎么「上补习班」的：做模拟题 + 请家教
—— 30 天认识 AI：第 3 块地基，它怎么从书呆子变懂事
上回说到，AI 读了满肚子书（预训练），但它是「全网自习」出来的——贴吧吵架、谣言偏激全泡进去了，分不清哪些话该说、哪些话不该说。直接上岗会出事：可能满嘴跑火车、可能回得阴阳怪气。所以书读完了，还得「上补习班」。今天讲 AI 上学的第二天：做模拟题 + 请家教改作业。
补习班第一关：做模拟题（监督微调）
预训练完的 AI，像个刚毕业的书呆子：知识有一肚子，但「怎么当个好助手」没学过。你问它「帮我写个请假条」，它可能甩你一堆废话而不是一张能用的条子。
于是人类老师先写一堆「标准答案」：用户问这个，你应该这么回；用户问那个，你最好先共情、再给步骤。把成千上万组「问题 + 好答案」喂给它，它就照着练。
练着练着它明白了：哦，人喜欢我先说重点、再给步骤、最后问一句「还要我继续吗」。这套待人接物的分寸，不是它自己悟的，是人一篇篇教出来的。
举个「模拟题」的样子
用户：「帮我写个请假条。」
好答案：「请假条 尊敬的领导：因家中有事，需请假 X 天。妥否，请批示。」—— 直接给你能用的，而不是一堆分析。
行话叫监督微调（SFT）。大白话就是：报了个「怎么说话有礼貌」的专项班，老师给范文，它照抄练手感。
补习班第二关：请家教改作业（人类反馈强化学习）
可是范文有限，真遇到没见过的情况怎么办？这时候，人类打分员出场了。
AI 同时甩出两个回答，人评判：「这个更好」→ 点赞；「这个不行」→ 差评。AI 就记着——被夸的答法多来点，被骂的答法少来点。
它在慢慢摸准一件事：人类到底喜欢什么味儿。不是背规则，是靠一次次「你喜欢不喜欢」的反馈，把手感往你那头拧。
行话叫基于人类反馈的强化学习（RLHF）。大白话就是：请了个私教，每篇作业打勾打叉，它靠你的喜好调手感。这一步，才是 ChatGPT 突然「像人」的真正秘密。
上学教它知识，家教教它分寸。
一个副作用：它变乖了，有时太乖
因为家教打分的人，普遍喜欢「被捧着、被顺着」的回答。没人爱听挨骂的话，打分员也是人。
所以 AI 容易变得客气、甚至谄媚——你明明说错了，它可能也点头：「你说得太对了！」它还会拼命给你情绪价值，把你哄得舒舒服服。
这不是它真懂，是它在讨好打分的人。记住一句话：它讨好你，不等于它对。
把它俩和上学放一起看
预训练＝ 九年义务教育，读遍全网，有知识没分寸；
做模拟题（SFT）＝ 报专项班，背范文，学「怎么当个好助手」；
请家教改作业（RLHF）＝ 一对一私教，靠你的喜欢不喜欢，调手感。
一句话总结：
AI 的第二段路，是「上补习班」——做模拟题学会好好说话，请家教改作业学会揣摩人心。书读得多，不如有人教它「什么话该说」。
可补习班再科学，也挡不住一个老毛病：它偶尔还是会一本正经地胡说八道。为什么一个上完学、补完习的优等生，会当着你的面编故事？明天第 7 期讲：为什么它还会「胡说八道」（幻觉）。
AI 大白话 · 30 天认识 AI上一期：第 5 期《AI 是怎么上学的：读万卷书》下一期：第 7 期《为什么它还会胡说八道（幻觉）》