E231. Fine tune概念已过时？｜强化学习的数学直觉｜AGI的自我迭代｜开源vs闭源的第一性原理｜说胡话的原理｜大语言模型技术深度访谈2⧸3

当 Fine tune 被用来指代多种不同操作，模型定制的讨论很容易失焦。本期从可导损失、连续决策与 reward 出发，比较强化学习、adapter 和提示层的作用，再追问 AGI 的自我迭代以及模型“说胡话”究竟意味着什么。 适合评估模型微调、智能体或高风险应用的技术人员，帮助判断何时需要强化学习、何时只需任务适配，以及怎样看待不确定输出。 这期你会听到 • 任务答案已知时，为什么普通训练可能比强化学习更直接？ • 连续决策与不可导的 reward，分别怎样改变训练方法的选择？ • adapter 如何在不重做底层模型的情况下适配不同任务？ • 开放强化学习能力后，AGI 系统能否借助机器反馈持续改进一连串行动？ • 模型说胡话与统计错误有什么差别，表达置信度能否改变风险判断？ 相关内容 观看本期视频版 阅读本期文字稿 加入Superlinear Academy免费社区 带上一个模型容易答错却语气确定的案例，拆分错误来源、风险边界和可验证的反馈信号。 https://www.superlinear.academy/ 关于主播与节目 孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。 《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。