AI如何学会懂人心？从一次选择看RLHF、Reward模型与DPO

从一个小场景，慢慢听懂一组 AI 词晚上，菜可拿着平板跑到胖妈旁边。“妈妈，你看。”屏幕上，是 AI 帮她生成的三份英语学习计划。第一份：每天背 100 个单词。任务安排得特别满，看起来很努力。第二份：每天只学 10 分钟。很轻松，但菜可觉得：“好像有点太少了。”第三份：每天背 20 个单词，加 10 分钟阅读。再根据完成情况，调整后面的计划。菜可想了一会儿。“我觉得第三个最好。”胖妈问：“为什么？”菜可说：“第一个感觉坚持不了。”“第二个感觉进步太慢。”“第三个刚刚好。”胖妈点点头。“你刚刚做了一件很重