一家头部大模型厂商建立了数据标注基地，招募的第一批标注员，本科率达到100%。公司负责人解释，大模型数据涉及的知识面广，评判标准复杂，非常考验标注师的语言理解能力和逻辑推理能力。

小王刚从大学毕业，回老家找工作时，偶然刷到这个数据标注基地的招聘。于是他参加了面试，顺利通过。基地给他发来一份长达30万字的培训材料，只有通过培训考试，才能正式上岗。

排序、打分、评估，这些略显复杂的标注环节，正是所谓的RLHF（Reinforcement Learning from Human Feedbach，即从人类反馈中强化学习），目的是为了让大模型与人类价值观、思维方式不断对齐，更加可用。OpenAI训练ChatGPT的过程中采用了RLHF，取得了显著的效果。和过去的四川数据标注相比，大模型的标注规则更加主观。一位算法工程师在面试标注员时，会问对方这样的问题：“如果你是企业领导，面对孙悟空、猪八戒、唐僧、沙僧这四类员工，你会更倾向于录用谁？”