Meta已将部分内部工作流程转变为一个专门的人工智能后训练实验室，这是其更广泛推动改进模型学习与性能的一部分。据这家社交媒体巨头分享的细节，该实验室旨在加速优化，使广告更有效，为公司带来更多收入。
实验室如何运作
该实验室将现有内部流程——内容审核管道、用户反馈循环以及广告性能数据流——重新用作AI模型初始开发后的训练材料。Meta没有将后训练视为一个独立步骤，而是将其嵌入日常运营中，让模型几乎实时调整。公司认为，这种方法将产生更适应不断变化的用户行为和广告主需求的模型。
收入赌注
广告是Meta的主要收入来源，公司一直大力依赖AI来维持这一引擎的运转。后训练策略旨在专门针对广告定向、竞价和创意优化对模型进行微调。通过使实验室成为内部生态系统的一个永久部分，Meta希望缩短新模型发布与其达到峰值收入性能之间的差距。如果实验室按预期运作，回报可能相当可观。
执行风险依然存在
但从实验室到实际改进的路径并非必然。为实验室提供数据的内部流程本身是公司现有系统的产物，这些系统中的缺陷可能被放大而非修复。执行风险——从数据质量问题到错位的奖励信号——可能阻止模型取得真正的进步。Meta尚未披露实验室产出的具体基准或时间表，其有效性仍是一个悬而未决的问题。
该实验室是公司近期多项AI举措之一，Meta还在生成式AI和大语言模型上投入了大量资金。但这一举措之所以突出，是因为它将模型优化直接与业务核心运营挂钩，使其成功更难与日常绩效指标分开。
目前，实验室正在运行。它是否会增强Meta的优势——还是仅仅为已经复杂的AI管道增加另一层复杂性——只有下一轮财报结果才能开始揭示。
