回复@等着解套呢: ChatGPT使用了一个叫“人类反馈强化学习”的策略来训练模型，人工智能培训师在对话中扮演双方角色——提问用户和AI助手，然后按对话质量进行排名奖励。继DALL•E创造了提示词工程师的岗位后，又一个新职业冉冉升起了～//@等着解套呢:回复@icefighter:我好奇openai基于大模型的方案，训练数据来自哪里？如果来自互联网，那么$谷歌C(GOOG)$ 不是更有优势吗？