藏在大模型背後的新聞人：GPT們的回覆是這樣寫出來的

一篇來自36氪的深度報導揭露，當使用者與GPT等大型語言模型互動時，所獲得的回覆並非全然由人工智慧自動生成——背後其實有一群「新聞人」默默參與撰寫或編輯，確保內容的品質與可信度。這項發現打破了外界對大模型「全自動答覆」的既定印象，也引發業界對人類智慧與機器協作邊界的熱烈討論。 報導指出，這些隱身於模型背後的從業者，通常具有新聞或內容編輯背景，他們的工作並非從零開始創作，而是對模型生成的初步輸出進行審閱、潤飾與事實核查。在部分情境下，使用者看似流暢的答覆，其實是經過人類編輯重新組織語言、補充脈絡或刪除不準確資訊後的結果。這種「人類在迴路中」的設計，目的是為了彌補語言模型在邏輯連貫性、事實正確性與社會規範上的短板。 然而，這項機制過去並未對使用者公開。許多人在與模型對話時，並不知道自己的問題可能先經過演算法處理，再交由人類修正後才送出。報導提到，相關平台近期已開始調整回應方式，移除先前混入回覆中的模型思考過程或安全判斷文字，讓互動更接近一般使用者的預期。這項調整顯示，平台正試圖在透明性與使用者體驗之間取得平衡。 業界專家認為，這項發現凸顯了當前AI內容生成流程中的一個關鍵矛盾：模型在大量資料訓練下，能夠快速產生看似合理的文字，但真正決定內容是否「可用」的，往往仍是最後一關的人類判斷。無論是糾正事實錯誤、避免偏見表述，還是確保語氣符合品牌調性，人類編輯的角色短期內難以被取代。而這也讓大模型的「自動化」光環蒙上一層陰影——使用者可能付費使用「AI服務」，卻間接依賴人類勞動。 從產業角度來看，這項模式並非新聞。過去許多AI客服、聊天機器人或內容生成工具，早已採用「AI生成初稿＋人類後製」的混合流程。但隨著GPT等大型語言模型普及，使用者對模型「自主思考」能力的期待大幅提升，使得人類介入的環節變得更加敏感。報導指出，當平台移除模型思考過程的文字時，某種程度上是為了讓回應看起來更「像AI直接說出來的話」，而非曝光背後的人類編輯痕跡。 這也引發了對內容生產透明度的討論。如果使用者知道自己的答案經過人類編輯，是否會影響對模型的信任？或者，是否應該明確標示哪些部分由AI生成、哪些部分由人類調整？目前業界尚未有統一標準，但部分隱私與倫理倡議者認為，揭露資訊是基本要求，否則可能構成錯誤資訊或誤導行為。 此外，這項調整也反映出大語言模型在落地應用時，面臨的實際挑戰：如何在速度、成本與品質之間取捨。完全依賴模型自動輸出，可能導致內容品質參差不齊；而過度仰賴人類編輯，則會拉高營運成本並降低響應速度。報導指出，平台在移除模型思考過程文字後，仍保留來源可確認的主題，供讀者進一步追蹤——這或許是嘗試在「完全自動」與「完全人工」之間，找到一條折衷路徑。 值得注意的是，這項發現並非指責模型「欺騙」使用者，而是揭示了當前AI產業中一個常被忽略的事實：大規模語言模型的訓練與部署，背後往往需要大量人類勞動進行資料標註、內容審核與結果校正。這些「隱形的勞工」通常不被使用者看見，卻對模型的最終輸出品質至關重要。隨著監管機構對AI透明度與可解釋性要求提高，未來可能會有更多平台被迫公開這類協作流程。 從使用者角度來看，這項報導提醒我們不應過度神化大語言模型的能力。即使是最先進的GPT，其回答也未必是「純粹的AI智慧」，而是人類與機器協作的產物。理解這一點，有助於更理性地評估AI生成的內容，特別是在新聞、法律、醫療等對準確性要求極高的領域。 總結而言，36氪的這篇報導為我們打開了一扇窗，窺見大模型背後那條看不見的「人類編輯線」。雖然平台已移除部分痕跡，但人類與機器的協作邊界，仍將是未來AI應用發展中持續進行的挑戰。如何在提升效率的同時，維持內容的專業性與可信度，將決定這項技術能否真正融入日常生活。