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
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。