训
训练数据(Training Data)
模型的“教材”——AI 的本事、知识甚至偏见都来自它,喂什么长成什么样。版权争议、能力差异,根源都在这份数据里。…
46 次浏览人
人类偏好评估(Human Preference)
让真人给 AI 回答打分——同一个问题、两个答案,选出更好的那个,把“好用”这种主观感受变成可统计的数据,RLHF 的地基。…
50 次浏览机
机器学习(Machine Learning)
不写死规则,让机器自己从数据里找规律——喂它一千张猫狗照片,它自己总结出怎么区分。现代 AI 的地基。…
58 次浏览数
数据投毒(Data Poisoning)
往模型的“课本”里塞私货——在训练数据里埋进特定样本,让训练出的模型遇到某个触发条件就按攻击者的意思输出。…
72 次浏览算
算法偏见(Algorithmic Bias)
AI 的“有色眼镜”——训练数据里的偏见被模型学走甚至放大,让某些群体被系统性亏待。AI 公平性问题的核心概念。…
67 次浏览盲
盲测评估(Blind Evaluation)
撕掉标签再打分——评审不知道回答来自哪个模型,位置与品牌偏见少一半,竞技场与企业选型都在用的公平手段。…
72 次浏览模
模型当裁判(LLM-as-a-Judge)
用 AI 给 AI 批卷子——强模型按准则给回答打分排序,评测成本砍一个数量级,但要先治好位置、长度、自恋三大偏见。…
73 次浏览