剛開始就沒有 RL, 那時候的 SFT 語料就是人類主動篩選給它的, 本來就是人類教它選的答案 即使不做 SFT, 要求它生成文字也得靠文字接續, 甚麼都不給就看它原本的語料分佈 這倒沒有甚麼主觀意識的哲學問題存在, 就只是技術及數學