读读窝小说网

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）

老师出题、讲解并纠错

能建立清晰的“任务-结果-反馈”链条

强化学习

实践中不断试错并获得反馈

学会策略优化，但很依赖奖励设计

未训练领域

没人讲解、也从没见过的知识

只能“猜”而不是“知道”

所以，大模型并非“全知”，而是“巨量输入+相关性建模”的结果。没有明确监督和反馈，它可以“模仿得很好”，但无法“知道得准确”。

?

四、哲学层面：知识的完整性依赖于目的性与验证路径

知识完整性的构建不仅依赖数据，而更依赖：

1。

目的性（goal-oriented

learning）：你学习是为了什么？没有目标就没有选择与筛选；

2。

验证路径（validation

mechanism）：你怎么知道你学对了？没有反馈就无法修正偏差；

3。

理论抽象（theory

abstraction）：你是否能将个例升华为结构？这需要引导和模型建设。

ai大模型很多时候是在缺乏明确目标与反馈的语料中“游荡式学习”。它学得多，但结构不稳、推理不深，因此无法获得“完整性”。

?

五、现实世界中的补救机制

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（tool

use）：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。

https://www.du8.org https://www.shuhuangxs.com www.baquge.cc

abxsw.net dingdianshu.com bxwx9.net

kenshu.tw pashuba.com quanshu.la

tlxsw.cc qudushu.net zaidudu.org

duyidu.org baquge.cc kenshuge.cc

qushumi.com xepzw.com 3dllc.net