第一步： 学习基础知识：
就像我们上学时，老师先讲解基础知识，帮助我们理解概念。对于大模型（LLM，这里指大型语言模型）来说，这就是让它们“读”大量的文本，积累背景上下文知识，相当于“预习”。
第二步：跟着老师或专家学解题：
就像老师给我们示范如何解题，大模型也需要学习人类专家解决问题的例子，模仿这些“标准答案”。这相当于让模型通过“监督学习”来调整自己，变得更像人类助手。
第三步：题海战术
就像课后作业，学生需要通过反复练习来掌握知识。对于法学硕士来说，这就是让它们通过“强化学习”不断尝试、犯错、调整，最终学会如何正确回答问题。
总结来说，
训练大模型就像编写一本教科书：
- 它需要学习基础知识
- 模仿专家的解题方法
- 并通过大量练习来提高自己的能力。
目前，1和2已经做得比较成熟，但3（强化学习）还在发展中。