當(dāng)你感到焦慮時(shí)向AI尋求建議，或者詢問(wèn)ChatGPT什么是心理健康，這種場(chǎng)景在今天已經(jīng)司空見(jiàn)慣。但一個(gè)關(guān)鍵問(wèn)題浮現(xiàn)：這些AI助手是否真的理解它們?cè)谡務(wù)摰男腋８拍?？亞利桑那州立大學(xué)計(jì)算與增強(qiáng)智能學(xué)院的蔣博涵、李大偉、譚真、趙成帥和劉歡教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，首次系統(tǒng)性地探討了這個(gè)問(wèn)題。這項(xiàng)開(kāi)創(chuàng)性研究發(fā)表于2025年8月的arXiv預(yù)印本平臺(tái)，有興趣深入了解的讀者可以通過(guò)arXiv:2508.03990v1訪問(wèn)完整論文。

幸福并非一個(gè)簡(jiǎn)單的概念。它就像一座復(fù)雜的建筑，包含心理、身體和社會(huì)三個(gè)支柱，每個(gè)支柱都缺一不可。當(dāng)普通人想要理解什么是"焦慮癥"或"社交障礙"時(shí)，他們需要的是用日常語(yǔ)言解釋的簡(jiǎn)單明了的答案。而當(dāng)心理學(xué)專家尋求同樣信息時(shí)，他們期待的是包含專業(yè)術(shù)語(yǔ)、研究證據(jù)和細(xì)致分析的深度解讀。這就像同樣是介紹一道菜，對(duì)普通食客你會(huì)說(shuō)"這是香甜可口的紅燒肉"，對(duì)專業(yè)廚師你則需要詳細(xì)講解用料配比、火候控制和制作工藝。

研究團(tuán)隊(duì)意識(shí)到，隨著越來(lái)越多的人轉(zhuǎn)向大型語(yǔ)言模型尋求幸福相關(guān)的指導(dǎo)，這些AI系統(tǒng)解釋能力的質(zhì)量變得至關(guān)重要。但問(wèn)題是，目前還沒(méi)有人系統(tǒng)性地測(cè)試過(guò)這些AI模型在解釋幸福概念時(shí)的表現(xiàn)如何。

為了回答"當(dāng)今的大型語(yǔ)言模型是否準(zhǔn)備好解釋復(fù)雜的幸福概念"這個(gè)核心問(wèn)題，研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)堪稱史無(wú)前例的實(shí)驗(yàn)。他們首先收集了2194個(gè)涵蓋心理、身體和社會(huì)三個(gè)維度的幸福概念，這些概念來(lái)自權(quán)威的幸福研究文獻(xiàn)。接著，他們選擇了十個(gè)不同規(guī)模和類型的AI模型，包括四個(gè)大型商業(yè)模型（GPT-4.1-mini、o4-mini、Gemini-2.5-flash和DeepSeek-v3）以及六個(gè)較小的開(kāi)源模型（各種版本的Qwen-3和LLaMA-3.2）。

整個(gè)實(shí)驗(yàn)就像一場(chǎng)大規(guī)模的"解釋馬拉松"。研究團(tuán)隊(duì)讓每個(gè)AI模型分別為普通公眾和領(lǐng)域?qū)＜医忉屵@2194個(gè)概念，最終收集到43880個(gè)解釋。這相當(dāng)于讓十個(gè)不同水平的老師，分別給小學(xué)生和大學(xué)教授講解同樣的2000多個(gè)概念，然后比較他們的教學(xué)效果。

評(píng)估這些解釋的質(zhì)量是另一個(gè)挑戰(zhàn)。傳統(tǒng)的評(píng)估方法就像用尺子測(cè)量一幅畫(huà)的美感，顯然不夠精準(zhǔn)。研究團(tuán)隊(duì)創(chuàng)新性地采用了"AI當(dāng)法官"的評(píng)估框架，使用兩個(gè)強(qiáng)大的AI模型（Gemini-2.5-Pro和DeepSeek-R1）作為評(píng)判員。但這不是簡(jiǎn)單的打分，而是基于精心設(shè)計(jì)的原則進(jìn)行評(píng)估。

對(duì)于普通公眾的解釋，評(píng)估重點(diǎn)關(guān)注五個(gè)方面：準(zhǔn)確性（定義是否正確）、可理解性（是否使用簡(jiǎn)單易懂的語(yǔ)言）、簡(jiǎn)潔性（是否直接明了）、示例性（是否提供貼近生活的例子）和實(shí)用性（是否給出可行的建議）。而對(duì)于專家解釋，評(píng)估標(biāo)準(zhǔn)則完全不同：準(zhǔn)確性（同樣重要）、專業(yè)性（是否使用領(lǐng)域術(shù)語(yǔ)）、深度性（是否提供全面細(xì)致的分析）、批判性（是否指出爭(zhēng)議和局限）和權(quán)威性（是否引用研究文獻(xiàn)）。

這就像評(píng)價(jià)兩種不同類型的餐廳：評(píng)價(jià)家庭餐廳時(shí)你關(guān)注菜品是否家常美味、價(jià)格親民、服務(wù)溫馨；評(píng)價(jià)米其林餐廳時(shí)你則關(guān)注食材選擇、烹飪技藝、創(chuàng)新程度和整體體驗(yàn)的精致度。

一、模型規(guī)模的決定性影響

研究結(jié)果揭示了一個(gè)清晰的規(guī)律：AI模型的規(guī)模直接決定了其解釋能力的高低。這種關(guān)系就像建筑的基礎(chǔ)決定了上層建筑的穩(wěn)固程度一樣明顯。

四個(gè)大型商業(yè)模型在解釋質(zhì)量上形成了一個(gè)顯著的"第一梯隊(duì)"。以解釋普通公眾能理解的概念為例，DeepSeek-v3表現(xiàn)最為出色，贏得了88.9%的對(duì)比評(píng)估，就像一位經(jīng)驗(yàn)豐富的科普作家，總能用最貼切的比喻讓復(fù)雜概念變得簡(jiǎn)單易懂。緊隨其后的是GPT-4.1-mini（88.5%）、o4-mini（87.8%）和Gemini-2.5-flash（87.3%），它們都展現(xiàn)出了穩(wěn)定的高質(zhì)量表現(xiàn)。

相比之下，較小規(guī)模的開(kāi)源模型就像剛?cè)腴T(mén)的學(xué)生，雖然努力但實(shí)力有限。參數(shù)量最小的LLaMA-3.2-1B僅獲得12.9%的勝率，這意味著它在十次解釋中只有一次能夠超越基準(zhǔn)模型。即使是表現(xiàn)最好的小型模型Qwen-3-14B，也只達(dá)到77.7%的勝率，與大型模型仍有顯著差距。

這種規(guī)模效應(yīng)在雷達(dá)圖上表現(xiàn)得尤為明顯。大型模型在各項(xiàng)評(píng)估維度上都形成了外圍的大多邊形，而小型模型則聚集在中心區(qū)域，形成了明顯的"內(nèi)外圈"分布。這種差異不僅體現(xiàn)在整體表現(xiàn)上，更體現(xiàn)在每個(gè)具體維度的穩(wěn)定性上。

二、專家解釋的獨(dú)特挑戰(zhàn)

當(dāng)要求AI模型為領(lǐng)域?qū)＜姨峁┙忉寱r(shí)，情況變得更加復(fù)雜和困難。這就像要求一位通俗科普作家突然轉(zhuǎn)型為學(xué)術(shù)期刊的特約編輯，不僅寫(xiě)作風(fēng)格需要徹底改變，對(duì)內(nèi)容的專業(yè)性和嚴(yán)謹(jǐn)性要求也大幅提升。

研究發(fā)現(xiàn)，幾乎所有模型在生成專家級(jí)解釋時(shí)的表現(xiàn)都出現(xiàn)了明顯下滑。以DeepSeek-v3為例，它在普通解釋中的準(zhǔn)確性得分為4.72分，但在專家解釋中驟降至3.41分，降幅達(dá)到27.8%。這種下降并非個(gè)例，o4-mini的準(zhǔn)確性得分從4.73降至3.72，降幅為21.4%。

這種現(xiàn)象的背后反映了AI模型面臨的一個(gè)核心困境：當(dāng)試圖生成更專業(yè)、更深入的內(nèi)容時(shí)，它們更容易產(chǎn)生事實(shí)性錯(cuò)誤或虛假信息。這就像一個(gè)人試圖展現(xiàn)超出自己知識(shí)水平的專業(yè)性時(shí)，往往會(huì)編造一些聽(tīng)起來(lái)很專業(yè)但實(shí)際上錯(cuò)誤的信息。

更令人擔(dān)憂的是，大型模型和小型模型之間的性能差距在專家解釋任務(wù)中進(jìn)一步擴(kuò)大。在普通解釋任務(wù)中，頂級(jí)模型的勝率約為88-89%，而在專家解釋任務(wù)中，這一數(shù)字提升到了90-91%。這意味著專業(yè)性要求越高，模型規(guī)模的重要性就越發(fā)突出。

三、不同幸福維度的差異化表現(xiàn)

研究團(tuán)隊(duì)將幸福概念分為心理、身體和社會(huì)三個(gè)維度進(jìn)行分析，結(jié)果發(fā)現(xiàn)這三個(gè)維度在AI解釋難度上存在顯著差異。

身體健康相關(guān)概念是AI模型表現(xiàn)最好的領(lǐng)域。無(wú)論是大型模型還是小型模型，在解釋諸如"心血管健康"、"營(yíng)養(yǎng)均衡"或"運(yùn)動(dòng)疲勞"等身體健康概念時(shí)都表現(xiàn)出色。四個(gè)大型模型在可理解性和專業(yè)術(shù)語(yǔ)使用方面的得分都超過(guò)了4.5分（滿分5分）。這種優(yōu)異表現(xiàn)可能源于身體健康概念相對(duì)具體和客觀，就像描述一臺(tái)機(jī)器的運(yùn)作原理，有著相對(duì)明確的標(biāo)準(zhǔn)和廣泛的共識(shí)。

心理健康概念的解釋難度居中。AI模型在解釋"焦慮癥"、"抑郁情緒"或"認(rèn)知偏差"等概念時(shí)表現(xiàn)穩(wěn)定，但不如身體健康概念那樣出色。這種中等表現(xiàn)反映了心理概念的復(fù)雜性：它們既有一定的科學(xué)基礎(chǔ)，又涉及個(gè)體的主觀體驗(yàn)和情感色彩。

最具挑戰(zhàn)性的是社會(huì)健康概念。無(wú)論是解釋"社會(huì)支持網(wǎng)絡(luò)"、"社區(qū)歸屬感"還是"人際關(guān)系質(zhì)量"，所有模型都表現(xiàn)出最大的變異性和最低的整體勝率。社會(huì)概念的復(fù)雜性在于它們高度依賴文化背景、社會(huì)環(huán)境和個(gè)人經(jīng)歷，很難有統(tǒng)一的標(biāo)準(zhǔn)答案。這就像試圖向來(lái)自不同文化背景的人解釋"禮貌"的含義，每個(gè)社會(huì)都有自己獨(dú)特的理解和表達(dá)方式。

四、AI模型的共同薄弱環(huán)節(jié)

盡管大型模型在整體表現(xiàn)上遠(yuǎn)超小型模型，但研究發(fā)現(xiàn)它們都存在兩個(gè)明顯的共同弱點(diǎn)。

第一個(gè)弱點(diǎn)是在為普通公眾提供實(shí)用性建議方面。當(dāng)被要求給出具體的、可操作的建議時(shí)，即使是最先進(jìn)的模型也顯得力不從心。它們能夠準(zhǔn)確定義什么是"壓力管理"，也能用通俗的語(yǔ)言解釋壓力對(duì)身心的影響，但當(dāng)需要提供具體的減壓方法或?qū)嵤┎襟E時(shí)，解釋往往變得泛泛而談。這就像一位理論功底扎實(shí)的教授，能夠深入淺出地講解理論知識(shí)，但在指導(dǎo)學(xué)生實(shí)際操作時(shí)卻顯得經(jīng)驗(yàn)不足。

第二個(gè)弱點(diǎn)出現(xiàn)在為領(lǐng)域?qū)＜姨峁┥疃确治龇矫?。雖然AI模型能夠使用專業(yè)術(shù)語(yǔ)并展現(xiàn)一定的專業(yè)性，但在提供真正深入、細(xì)致的分析時(shí)往往浮于表面。它們很難像真正的專家那樣，從多個(gè)角度審視一個(gè)概念，討論不同理論流派的觀點(diǎn)差異，或者指出當(dāng)前研究中存在的爭(zhēng)議和未解決的問(wèn)題。

有趣的是，盡管存在這些共同弱點(diǎn)，每個(gè)大型模型都有自己的相對(duì)優(yōu)勢(shì)領(lǐng)域。GPT-4.1-mini在語(yǔ)言表達(dá)的可理解性和專業(yè)術(shù)語(yǔ)的準(zhǔn)確使用方面表現(xiàn)突出，就像一位語(yǔ)言天賦出眾的翻譯；o4-mini在事實(shí)準(zhǔn)確性方面獨(dú)占鰲頭，像一位嚴(yán)謹(jǐn)?shù)膶W(xué)者總是追求信息的準(zhǔn)確無(wú)誤；DeepSeek-v3擅長(zhǎng)提供清晰的示例和簡(jiǎn)潔的解釋，如同一位經(jīng)驗(yàn)豐富的老師知道如何化繁為簡(jiǎn)；而Gemini-2.5-flash則在提供權(quán)威性引用和實(shí)用建議方面相對(duì)更強(qiáng)，像一位實(shí)用主義的顧問(wèn)。

五、微調(diào)訓(xùn)練的顯著效果

為了驗(yàn)證是否可以通過(guò)針對(duì)性訓(xùn)練提升AI模型的幸福概念解釋能力，研究團(tuán)隊(duì)選擇了中等規(guī)模的Qwen-3-4B模型進(jìn)行了兩種不同的微調(diào)實(shí)驗(yàn)。

第一種方法是監(jiān)督微調(diào)（SFT），類似于讓學(xué)生反復(fù)練習(xí)優(yōu)秀范文。研究團(tuán)隊(duì)從大型模型生成的高質(zhì)量解釋中篩選出最佳示例，讓Qwen-3-4B模仿學(xué)習(xí)這些"標(biāo)準(zhǔn)答案"。經(jīng)過(guò)這種訓(xùn)練后，Qwen-3-4B-SFT在普通公眾解釋任務(wù)中的得分從原來(lái)的2.74分提升到3.18分，提升幅度達(dá)16.1%。在專家解釋任務(wù)中，得分從2.47分提升到2.79分，提升13.0%。

第二種方法是直接偏好優(yōu)化（DPO），這種方法更像是讓學(xué)生在好壞對(duì)比中學(xué)習(xí)。研究團(tuán)隊(duì)不僅提供了好的解釋示例，還提供了質(zhì)量較差的解釋，讓模型學(xué)會(huì)區(qū)分和選擇。這種對(duì)比學(xué)習(xí)的效果更加顯著：Qwen-3-4B-DPO在普通公眾解釋任務(wù)中得分提升至3.25分，提升幅度達(dá)18.6%；在專家解釋任務(wù)中得分達(dá)到2.85分，提升15.4%。

更令人驚喜的是，經(jīng)過(guò)微調(diào)的4B參數(shù)模型在某些方面的表現(xiàn)甚至超越了參數(shù)量更大的同系列模型。在專家解釋的對(duì)比評(píng)估中，Qwen-3-4B-DPO的勝率達(dá)到83.4%，超過(guò)了擁有14B參數(shù)的Qwen-3-14B模型的79.3%勝率。這一結(jié)果證明了針對(duì)性訓(xùn)練數(shù)據(jù)的價(jià)值往往勝過(guò)單純的模型規(guī)模擴(kuò)大。

這種現(xiàn)象就像體育訓(xùn)練一樣：一個(gè)接受過(guò)專業(yè)訓(xùn)練的中等水平運(yùn)動(dòng)員，在特定項(xiàng)目上的表現(xiàn)可能超過(guò)一個(gè)天賦更好但缺乏針對(duì)性訓(xùn)練的天才選手。微調(diào)讓小型模型在特定任務(wù)上獲得了"專業(yè)技能"，補(bǔ)償了其在整體能力上的不足。

六、評(píng)估框架的可靠性驗(yàn)證

為了確保研究結(jié)果的可信度，研究團(tuán)隊(duì)專門(mén)設(shè)計(jì)了人工驗(yàn)證實(shí)驗(yàn)，將AI評(píng)判員的評(píng)估結(jié)果與人類專家的評(píng)估進(jìn)行對(duì)比。

驗(yàn)證實(shí)驗(yàn)涵蓋了每個(gè)模型50個(gè)不同的解釋樣本，包括心理、身體和社會(huì)三個(gè)幸福維度。人類評(píng)估員使用與AI評(píng)判員完全相同的評(píng)估標(biāo)準(zhǔn)和方法，對(duì)同樣的解釋進(jìn)行獨(dú)立評(píng)估。研究團(tuán)隊(duì)使用科恩卡帕系數(shù)來(lái)衡量AI評(píng)判員與人類評(píng)估員之間的一致性程度。

結(jié)果顯示，在評(píng)估普通公眾導(dǎo)向的解釋時(shí)，AI評(píng)判員與人類評(píng)估員之間達(dá)到了較高的一致性，大多數(shù)情況下卡帕系數(shù)超過(guò)0.7，這在學(xué)術(shù)研究中被認(rèn)為是"實(shí)質(zhì)性一致"的水平。在評(píng)估專家導(dǎo)向的解釋時(shí)，一致性略有下降但仍然保持在可接受范圍內(nèi)。

有趣的是，AI評(píng)判員在評(píng)估極好和極差的解釋時(shí)與人類評(píng)估員的一致性最高，就像人們很容易在美味佳肴和難以下咽的食物之間達(dá)成共識(shí)一樣。但對(duì)于質(zhì)量中等的解釋，AI評(píng)判員和人類評(píng)估員之間的分歧相對(duì)較大，這提醒我們?cè)谑褂肁I進(jìn)行自動(dòng)評(píng)估時(shí)需要格外注意這種"中等質(zhì)量陷阱"。

七、研究的深遠(yuǎn)意義和未來(lái)展望

這項(xiàng)研究的價(jià)值遠(yuǎn)遠(yuǎn)超出了學(xué)術(shù)層面的技術(shù)評(píng)估，它為我們理解AI在健康和幸福領(lǐng)域的應(yīng)用潛力與局限性提供了重要見(jiàn)解。

從實(shí)用角度來(lái)看，研究結(jié)果為選擇合適的AI工具提供了科學(xué)指導(dǎo)。如果你是普通用戶，需要快速理解某個(gè)心理健康概念，那么目前的大型AI模型已經(jīng)能夠提供相當(dāng)不錯(cuò)的解釋。但如果你是心理健康專業(yè)人士，尋求深度的專業(yè)分析，那么當(dāng)前的AI工具仍然無(wú)法完全滿足你的需求，更適合作為初步參考而非權(quán)威資源。

研究也揭示了AI訓(xùn)練數(shù)據(jù)的重要性。當(dāng)前AI模型在身體健康概念上的優(yōu)異表現(xiàn)，可能反映了這類信息在訓(xùn)練數(shù)據(jù)中的豐富性和一致性。相比之下，社會(huì)健康概念的解釋困難，可能源于這類概念在不同文化和社會(huì)背景下的多樣性，導(dǎo)致訓(xùn)練數(shù)據(jù)中缺乏統(tǒng)一的標(biāo)準(zhǔn)。

微調(diào)實(shí)驗(yàn)的成功更是為未來(lái)發(fā)展指明了方向。通過(guò)構(gòu)建高質(zhì)量的專門(mén)訓(xùn)練數(shù)據(jù)集，完全有可能培養(yǎng)出在特定領(lǐng)域表現(xiàn)卓越的"?？艫I醫(yī)生"。這些專門(mén)優(yōu)化的模型不僅在解釋質(zhì)量上可能超越通用大模型，在計(jì)算成本和部署效率上也更具優(yōu)勢(shì)。

研究團(tuán)隊(duì)坦誠(chéng)地指出了當(dāng)前工作的局限性。評(píng)估標(biāo)準(zhǔn)雖然經(jīng)過(guò)精心設(shè)計(jì)，但仍然主要反映了西方學(xué)術(shù)傳統(tǒng)對(duì)幸福概念的理解。在不同文化背景下，對(duì)心理健康、社會(huì)關(guān)系和個(gè)人幸福的理解可能存在顯著差異，這些差異在當(dāng)前的評(píng)估框架中尚未得到充分體現(xiàn)。

另一個(gè)重要局限是評(píng)估場(chǎng)景的相對(duì)簡(jiǎn)單化。在現(xiàn)實(shí)應(yīng)用中，用戶往往會(huì)提出更復(fù)雜、更個(gè)性化的問(wèn)題，需要AI模型具備更強(qiáng)的上下文理解和個(gè)性化適應(yīng)能力，這些能力在當(dāng)前的評(píng)估中還沒(méi)有得到充分測(cè)試。

展望未來(lái)，研究團(tuán)隊(duì)建議從幾個(gè)方向繼續(xù)深化這一領(lǐng)域的探索。首先是擴(kuò)展評(píng)估對(duì)象，包括更多不同類型的用戶群體，比如不同年齡段的學(xué)生、不同文化背景的用戶等。其次是拓展應(yīng)用領(lǐng)域，將類似的評(píng)估框架應(yīng)用到其他專業(yè)領(lǐng)域，如法律咨詢、教育指導(dǎo)等。最后是改進(jìn)訓(xùn)練方法，探索更先進(jìn)的訓(xùn)練技術(shù)，如近端策略優(yōu)化（PPO）或約束策略優(yōu)化（CPO）等。

說(shuō)到底，這項(xiàng)研究提醒我們，雖然AI技術(shù)發(fā)展迅速，但在涉及人類福祉這樣復(fù)雜而重要的領(lǐng)域，我們?nèi)孕璞３种?jǐn)慎和批判的態(tài)度。AI可以成為理解幸福概念的有力助手，但不應(yīng)該成為唯一的信息源。最理想的狀態(tài)是AI工具與人類專業(yè)知識(shí)相結(jié)合，為人們提供既準(zhǔn)確又實(shí)用的指導(dǎo)，真正服務(wù)于每個(gè)人對(duì)幸福生活的追求。

在這個(gè)AI快速發(fā)展的時(shí)代，我們既要擁抱技術(shù)帶來(lái)的便利，也要清醒地認(rèn)識(shí)其局限性。只有這樣，我們才能真正讓AI技術(shù)為人類的幸福和福祉服務(wù)，而不是被技術(shù)的表面光鮮所迷惑。這項(xiàng)來(lái)自亞利桑那州立大學(xué)的研究，就像一面鏡子，讓我們更清楚地看到AI在幸福領(lǐng)域應(yīng)用的真實(shí)圖景，為未來(lái)的發(fā)展指明了方向。

Q&A

Q1：大型語(yǔ)言模型在解釋幸福概念時(shí)表現(xiàn)如何？有什么明顯差異嗎？

A：大型商業(yè)模型（如GPT-4.1-mini、o4-mini）在解釋幸福概念時(shí)表現(xiàn)明顯優(yōu)于小型開(kāi)源模型。大型模型對(duì)普通公眾的解釋勝率達(dá)到87-89%，對(duì)專家的解釋勝率達(dá)到88-91%，而最小的模型僅有12-15%的勝率。不過(guò)，所有模型在為領(lǐng)域?qū)＜姨峁┥疃确治龊蜑槠胀ㄈ颂峁?shí)用建議方面都存在明顯不足。

Q2：不同類型的幸福概念對(duì)AI模型來(lái)說(shuō)哪個(gè)更難解釋？

A：身體健康概念最容易，AI模型在解釋運(yùn)動(dòng)、營(yíng)養(yǎng)等身體健康話題時(shí)表現(xiàn)最好，得分普遍超過(guò)4.5分。心理健康概念難度適中，而社會(huì)健康概念最難，比如解釋社區(qū)歸屬感、人際關(guān)系等時(shí)，所有模型都表現(xiàn)出最大變異性和最低勝率，因?yàn)檫@些概念高度依賴文化背景和個(gè)人經(jīng)歷。

Q3：通過(guò)訓(xùn)練可以提升AI模型解釋幸福概念的能力嗎？效果怎樣？

A：可以顯著提升。研究發(fā)現(xiàn)，通過(guò)監(jiān)督微調(diào)（SFT），小型模型的解釋質(zhì)量可提升13-16%；通過(guò)直接偏好優(yōu)化（DPO）效果更好，可提升15-18%。最令人驚喜的是，經(jīng)過(guò)專門(mén)訓(xùn)練的4B參數(shù)小模型在某些方面甚至超越了14B參數(shù)的大型模型，證明了針對(duì)性訓(xùn)練比單純?cè)龃竽Ｐ鸵?guī)模更有效。