我个人认为现在的大语言模型训练越来越像人类的学习，一开始，大模型训练如同自学，人类把知识一股脑交给大模型，让它自学，学到了GPT4水平，结果就数据不够，到不了GPT5。
现在，从o1开始，走向人类教育这条路，先让大模型自学一些知识，有初步解题的能力，接下来，就让大模型多做题，人类批改，让后再让大模型学习错题集，对照到现实中，就是让大模型把推理过程写出来，人类对推理过程进行评估，再把推理过程和评估过程作为数据，再交由大模型训练，如此一来，相比于自学，人教的效果突飞猛进。
这也就解释了为什么产生了o3这种在数学和代码方面远远超过人类水平的模型。
我个人认为，因为数学，代码这类，结果是非常确定的，不会有千人千面的看法。就比如说做数学题，解答的某一个步骤错了，接下来就没有正确答案，只要学习的错题越多，解题的能力也就越高，同理，大模型也是如此。
现在，我们把范围扩大到数理化，理论上，大模型学习的错题次数越多，做题能力越强，那就是说，当足够多的迭代次数后，大模型可以做解答几乎所有数学，物理，化学题，写所有机器的代码，控制所有的机械，电子设备，分析蛋白质，研发新药，解决疾病，观测宇宙，不要说小小的人类社会分配问题了……