027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4页）

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

这章没有结束，请点击下一页继续阅读！

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。

?

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”：