不要“教授”，要激励是Self-play RL的关键？Open AI 研究员分享

Open AI 研究员Hyung Won Chung[1]放出了他去年的一次分享。

可能刚好讲到了可能关于 o1 的核心训练思路。

他的逻辑是不要“教授”，要激励。

比如涉及 RL 时候常用来举例子的 AlphaGo。

不要告诉模型如何才能赢得棋局，而应该引导模型学习什么是好的走法。

核心内容

背景介绍：

•传统的机器学习方法往往直接"教授"模型特定的技能或知识。•但在开发通用人工智能时，我们无法枚举所有需要的技能和知识。•计算能力正在指数级增长，为新的训练范式提供了可能。

"激励"而非"教授"的核心思想：

•不是直接教授模型特定技能，而是创造一个环境或任务，激励模型自主学习。•这种方法让模型能够发展出更通用、更灵活的能力。

以大语言模型（LLM）为例：

•LLM主要通过"下一个token预测"任务来训练。•这个简单的任务实际上是一个强大的激励机制。•模型为了更好地预测下一个token，被迫学习语言结构、世界知识、推理能力等。

隐式多任务学习：

•预测下一个token可以看作是大规模的隐式多任务学习。•模型面对数万亿种不同的预测情况，被迫发展出通用的问题解决能力。

显式信号vs诱导激励：

•显式信号：预测正确的下一个token。•诱导激励：发展出理解语言、推理、组合概念等通用能力。

激励结构的优势：

•更具可扩展性：随着计算资源增加，模型可以学习更复杂的能力。•更通用：学到的能力不局限于特定任务，可以泛化到新情况。•能力涌现：某些复杂能力（如推理）会在模型达到一定规模时突然出现。

类比解释：

•“给人一条鱼”：直接提供答案（硬编码）•“教人钓鱼”：教授特定技能•“教人喜欢吃鱼并使其饥饿”：创造激励，让人自主学习包括钓鱼在内的多种获取食物的方法

为什么现在这种方法变得可行：

•计算能力的增长使得我们可以训练更大的模型。•大模型已经达到了能够响应复杂激励结构的"智能阈值"。

对未来AI研究的启示：

•应该更多地关注设计有效的激励结构，而不是直接编码知识或技能。•需要重新思考如何评估和理解AI的能力，特别是那些可能在未来"涌现"的能力。

潜在的广泛应用：

•这种思路不仅适用于语言模型，还可以应用于其他AI领域，如强化学习、机器人学等。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】