有趣的事

大模型生成内容普遍晦涩难懂,Gemini 是怎么做到「说人话」的?

“说人话”通常不是模型突然更聪明,而是把“答对”之外的表达目标也纳入生成:先判断提问者大概知道什么、真正想解决什么,再决定解释到哪一步、用什么词和结构。大模型本身学过大量不同语域的文本,经过指令微调和人类偏好反馈后,也会更倾向于直接回答、少堆术语、在必要时补背景;产品侧的提示词和默认风格同样会影响结果。具体到 Gemini,外部用户很难仅凭回答判断各环节的权重,Google 也没有公开足够细节让人把这种体验归因于某个单一技巧。更稳妥地说,这是模型训练、对齐和产品设计共同形成的表达风格,而不是某个神秘的“口语化开关”。

它也不是每次都能做到。问题含糊、领域专业,或需要精确限定条件时,回答可能仍显得空泛、过度简化,甚至把不确定内容说得很顺。想要更清楚,可以直接给它读者和目标,例如:“面向没有统计学背景的人,用一个生活例子解释,并指出结论成立的条件;不确定之处请标出来。”如果怕它为了通俗而失真,再加一句“保留关键术语并解释,不要省略限制条件”。这样是在明确表达标准,不代表模型因此就不会出错;事实仍需要核验。

相关阅读