对齐(Alignment)是让AI系统的行为、目标与价值观同人类期望与社会利益一致的过程,核心手段包括指令微调、基于人类反馈的强化学习(RLHF)与有用、诚实、无害的输出约束。对齐解决的是模型输出可能误导或有害的风险,并不解决底层数据质量差或模型能力不足的问题。
对齐(Alignment)是指什么?
对齐(Alignment)是让AI系统的行为、目标与价值观同人类期望与社会利益一致的过程,核心手段包括指令微调、基于人类反馈的强化学习(RLHF)与有用、诚实、无害的输出约束。对齐解决的是模型输出可能误导或有害的风险,并不解决底层数据质量差或模型能力不足的问题。
🔗 本文链接