强化微调

亚马逊让大模型给自己当裁判 — 靠写规则训 AI 的时代正在过去

AWS 提出 RLAIF（用 AI 反馈强化学习）微调方案，让大模型取代人工和死板代码来给 AI 打分。这意味着企业定制专属 AI 的门槛大幅降低，但“AI 偏差”的风险也在暗中累积。