走进训练每一个前沿 AI 模型的专家网络 | Garrett Lord（Handshake CEO）

Garrett Lord 将 Handshake AI 描述为建立在 Handshake 十年学生与早期职业网络之上的新业务。Lenny 认为，这个机会来自利用既有的分发优势来创造改进模型所需的新数据；Lord 则认为，在人类数据领域，能接触到一群高度参与的专家受众才是核心护城河。他说，Handshake 覆盖 1,800 万名专业人士，其中包括 50 万名博士和 300 万名硕士生，因此公司可以直接定位专业能力，而不是逐个招募匿名劳动力。这些数字和业务增长轨迹都是采访中的说法，并非本期节目独立核验的证据。

采访在技术上最重要的区分，是预训练与后训练。Lord 说，预训练吸收了书籍、视频和其他互联网数据等海量人类创作内容，而近期的进步越来越多来自后训练。在他的描述中，后训练意味着针对编程、数学、法律和金融等能力收集有目标、高质量的样本，再检验哪些数据能够改进模型的假设。这些样本可能包括强化学习环境、工具使用轨迹、多模态材料、提示—回答对，以及基于人类反馈的偏好排序。他把这描述成持续演进的实验过程，而不是单一的标注任务；他也没有声称预训练方面的所有进步都已经停止。

Lord 解释说，Handshake 的作用是提供能够找出普通用户不一定发现的模型缺陷的人。物理学博士可以探查多个子领域，找出模型推理中的错误，区分最终答案错误与得出答案的路径错误，并测试模型能否使用工具或遵循流程。因此，价值不只是产出一个正确答案，还在于找到困难的失败案例，并创建改进特定能力所需的证据。Lord 还说，市场已经从完成基础任务的通才劳动力转向能够处理先进科学、数学、医学、法律、金融等领域的专家。这一说法反映了他对当前需求的看法；采访没有量化整个标注市场究竟有多少已经完成了这种转变。