橘子大模型在学习“非逻辑类的观点性数据”之前，会先行根据掌握的既有知识对即将学习的这个观点制作反题来进行反证。

        若反证不成立，判断此数据为真，大模型进行学习；若反证成立，则看这两者之间是否有共通性，不存在共通性，则抛弃这部分数据；若存在共通性，则吸取其共通性进行学习。

        这种学习方式，和黑格尔提出的“正题-反题-合题”三段论非常类似，因此被命名为“辩证”系统。

        那些错误的“观点性数据”，在“辩证对抗网络学习系统”下，大部分都被“反题”反证了。

        没有反证的，也通过“合题”改变了其观点强度根本不可能对橘子大模型构成“思想钢印”。

        大部分都被“反题”反证了，没有反证的，也通过“合题”改变了其观点强度。

        “陈皮输出防护系统”则是完全独立于橘子大模型之外的一个小模型，这个小模型并不负责任何内容生成，只负责在“观点性”数据输出前对结果进行验证，确保不会输出被恶意操控或受偏见影响的内容。

        值得注意的是，“陈皮”系统只验证“观点性”的输出数据，对伦理、价值观或敏感话题之外的“非观点性”数据并不进行验证。

        相当于用户向橘子大模型提出非科学性而是“观点性”的请求时，返回的结果并不是由橘子大模型直接返回的，而是经过“陈皮”的验证后，返回到用户界面。

        这样，就大大降低了柚子科技大模型的对齐难度，同时提高了因“验证”而降低的模型运行效率，并且降低了算力消耗。

        内容未完，下一页继续阅读