适配与对齐模块六 · 人类对齐的背景与标准概念约 11 分钟
人类对齐背景与 3H 标准
会答题 ≠ 该这么答
学完这节你能：
- 理解为什么 SFT 之后还要对齐
- 掌握 3H 标准
- 了解其他对齐标准
SFT 教会了模型「听指令」，但没解决「该不该这么答」。对齐(Alignment)让模型的行为符合人类价值与偏好。经典标准是 3H。
- Helpful 有用性：真正解决用户问题。
- Honest 诚实性：不编造、不确定就说不确定。
- Harmless 无害性：拒绝有害/危险请求，不输出伤害性内容。
- 此外还有其他标准：语言表达得体、符合道德与法律规范等。
🔑 3H 常有内在张力：一味「有用」可能不安全（教人做危险的事），一味「无害」可能不有用（什么都拒答）。对齐就是在这几者间找平衡。
自测人类对齐的经典 3H 标准是：
// 带走一句话
对齐让模型行为合乎人类价值；经典 3H=有用/诚实/无害，三者常有张力需平衡。
独立练习
做到这些，才算完成本节
- 合上正文，用自己的话解释核心概念。
- 写出一个相似概念，并说明两者最关键的区别。
学习记录
记录本节阅读进度
建议先独立回答自测。读完记录不等于已经掌握。