。

    按照相应的阵营法则，本质上柚子科技和千寻属于近似阵营，并且在上次的停战协议达成后，相互就不再属于敌对势力。

    既然已经不属于敌对势力，柚子科技便不能再以正常竞争之外的手段对千寻进行攻击，否则会丧失“大义”从而阵营偏移。

    但现在，是千寻再次搞小动作，陷害柚子科技和Y搜。

    在这种情况下，双方重回敌对立场，方豫再怎么收拾千寻，也就不受阵营法则的限制了。

    不得不说，在大周的环境下，千寻采取的攻击手法还是非常阴损的。

    柚子科技也确实并没有完整清洗有问题的数据，而且全部的数据也确实都已经被学习了。

    之所没有出问题，是橘子大模型训练时所使用的，内部版本柚子训练框架中内置的“辩证对抗网络学习系统”，和橘子大模型输出端的“陈皮输出防护系统”共同作用的结果。

    目前公开版本的橘子大模型2.5N只是柚子科技研发服务器中1.5万亿参数大模型的一个子集，这个1.5万亿参数的大模型，其中具备的一个神经网络对抗模块就叫做“辩证”。

    这里的“辩证”并非严格的哲学概念，而是基于对抗性验证的技术过程。

    橘子大模型在学习“非逻辑类的观点性数据”之前，会先行根据掌握的既有知识对即将学习的这个观点制作反题来进行反证。

    若反证不成立，判断此数据为真，大模型进行学习；若反证成立，则看这两者之间是否有共通性，不存在共通性，则抛弃这部分数据；若存在共通性，则吸取其共通性进行学习。

    这种学习方式，和黑格尔提出的“正题-反题-合题”三段论非常类似，因此被命名为“辩证”系统。

    那些错误的“观点性数据”，在“辩证对抗网络学习系统”下，大部分都被“反题”反证了。

    没有反证的，也通过“合题”改变了其观点强度根本不可能对橘子大模型构成“思想钢印”。

    大部分都被“反题”反证了，没有反证的，也通过“合题”改变了其观点强度。

    “陈皮输出防护系统”则是完全独立于橘子大模型之外的一个小模型，这个小模型并不负责任何内容生成，只负责在“观点性”数据输出前对结果进行验证，确保不会输出被恶意操控或受偏见影响的内容。

    值得注意的是，“陈皮”系统只验证“观点性”的输出数据，对伦理、价值观或敏感话题之外的“非观点性”数据并不进行验证。

    相当于用户向橘子大模型提出非科学性而是“观点性”的请求时，返回的结果并不是由橘子大模型直接返回的，而是经过“陈皮”的验证后，返回到用户界面。

    这样，就大大降低了柚子科技大模型的对齐难度，同时提高了因“验证”而降低的模型运行效率，并且降低了算力消耗。

    “陈皮”系统的这种选择性审核机制实际上是一种精细控制的对齐机制，它可以有效解决AI对齐中的复杂性。

    通过将对齐问题集中在观点性问题上，而对数理逻辑问题则放宽对齐标准，既能提高效率，又能保持伦理和价值观的一致性。

    在此前，方豫和柚子就已经发现，如果在预学习阶段就频繁要求大模型进行对齐，最终模型的推理性能会非常差，甚至会因为对齐要求与基本逻辑存在冲突而完全无法进行推理。

    因此，方豫最终决定将对齐的方式完全剥离出来。

    说白了，就是学习的时候你随便学，学什么都行，推理的时候也爱怎么推理就怎么推理，但真正输出“观点”的时候，除了大模型自己衡量是否可以输出外，还增添了一道双保险。

    这道双保险，就是“陈皮输出防护系统”。>

本章未完，点击下一页继续阅读