用AI训练AI

说真的，"用AI训练AI"这五个字，圈外人听着像科幻，圈内人早干两年了。翻译成工程语言就一句：人类的数据快用完了，只能让模型自己造数据喂自己。

先算笔账，你就懂为啥非走这条路不可。以前训大模型靠人类标注，雇人一条条打标签——贵，还慢。专业领域的专家按小时算钱，模型要喂的数据量，人类标到死都标不完。更绝的是有些领域人类根本标不动，量子物理、密码学代码，能标的人比大熊猫还少。换 AI 当老师：大模型出题、解题、留下推理过程，另一个 AI 当批改老师打分，好的留下当教材，循环。成本从"雇人"变成"烧 token"，数量直接拉满。

这套东西有个学名叫数据飞轮。最狠的例子是 DeepMind 的 AlphaProof：训练时自己证明了上百万条数学定理，每条证明都变成下一条的垫脚石。OpenAI 的 o 系列也是这么练的——自己生成推理、自己验证，RL 循环滚起来。听着是不是挺美？AI 自己卷自己，越卷越强。

问题就在这儿：自己教自己，容易近亲繁殖。行话叫模型崩溃（model collapse）——模型拿自己生成的数据当教材，多样性越抄越窄，抄到后面整个模型练成一滩浆糊；偏见、幻觉，也一代代遗传放大。所以现在各家都学乖了：合成数据占个六成七成，但一定留两到三成真人数据当"锚"，再加一道人类抽检，别让这飞轮彻底失控。

说句细思极恐的：以前人类是 AI 的老师，教它啥它学啥；现在人类退成质检员了，只在流水线末尾抽几件看看合不合格。数据飞轮转起来之后，AI 进步的速度，人类已经追不上了——你连它自己给自己编的教材，都未必看得懂。

用AI训练AIAI大模型热点科普