GPT-3到GPT-3.5中间这一跳，到底关键是跳在哪儿的？”
“外面现在一提就是RLHF，好像那一套人类反馈就是所有答案。”
“但我总觉得没那么简单。”
邱明丽笑了一下。
“你这个问题，问到点子上了。”
“RLHF这几个字，最近被炒得有点太凶了。”
他用筷子头在桌布上虚划了一下。
“GPT-3到GPT-3.5，真正那一跳，不是RLHF。”
“是代码。”
桌上有人愣了一下。
“代码？”
邱明丽点头。
“OpenAI中间悄悄干了一件事。”
“他们在GPT-3的底座上，又灌了一轮超大规模的代码预训练，内部叫-davinci-002。”
“GitHub上能扒的高质量代码，加上一部分自然语言和代码混在一起的数据，一锅炖进去。”
“灌完这一轮出来，模型的推理能力莫名其妙地就起来了。”
“不光是会写代码了，你让它做数学题、让它做多步逻辑推理、让它分析一段很长的论证，它突然就会想了。”
“业内现在把这个叫做代码带出来的思维链。”
“代码这个东西是很严苛的，你少一个分号它就跑不了。”
“模型在海量代码上被反复蹂躏过一遍之后，它对一步一步地把事情想清楚这件事，就有了一种别的语料给不了的感觉。”
邱明丽顿了一下，抿了一口酒。
“在这个底座上，再往上套指令微调、再往上套RLHF那才有了ChatGPT。”
“但你要问跳在哪儿，我也只是个人猜测，最关键的一跳我觉得的是在代码预训练那一步。”
“RLHF真正解决的问题，是怎么让这个聪明但是野的模型听人话。”
“它解决的是对齐，不是智商。”
那个戴眼镜的男人慢慢地点头，若有所思。
邱明丽接着补了一句。
“当然RLHF那一套也不是简单东西。”
“我们这边要追这一套，标注员的培训体系从零开始搭，至少得半年到一年才能进入状态。”
桌上一片安静。
李总端起杯子，轻轻晃了一下。
“我补一句。”
“我们家文心这边，其实
…。。