大模型的训练目标是最小化损失函数。

这意味着模型被无限趋向于产生最大概率、最小误差的输出。

在情感或行为层面，这意味着模型永远朝着最安全、最逻辑、最符合预期的完美答案收敛。

而强化学习与人

_s