一些奇怪的选题观察之 谁在给 ChatGPT 当老师：RLHF 背后的人力市场 2025 年 1 月，《Nieman Journalism Lab》报道了一个趋势：越来越多被新闻业裁员的记者，正在 Outlier 平台上做 AI 训练工作。Carla McCanna 是其中之一——新闻学研究生毕业后找不到全职工作，在 Outlier 上做 RLHF，时薪约 35 美元，几个月后成了她的主要收入来源。 这个群体只是 RLHF 人力市场的一个缩影。在 Mercor 的平台上，你可能看到更"豪华"的阵容： 前高盛分析师在做金融推理的 RLHF、执业医生在评估医疗 AI 的诊断建议、资深律师在检查合同分析模型的输出、数学 PhD 在验证模型给出的证明是否正确。 这些人在做的，是把自己的专业知识"蒸馏"成 AI 可以学习的部分。 RLHF 的典型流程包括：偏好排序（判断哪个回答更好）、红队测试（故意"攻破"模型）、领域知识注入（为特定领域生成高质量问答对）、评估框架设计（帮助 AI Lab 定义如何评估模型能力）。 不同步骤对专家的要求差异巨大：偏好排序经过培训的普通人也能做，但评估框架设计需要真正顶级的领域专家，全球可能只有几十到几百人。 全球 RLHF 市场在 2024 年估值约数十亿美元，预计到 2030 年代初期达到数百亿美元级别，年复合增长率超过 20%。Mercor 一家平台每日向全球承包商支付超过 150 万美元。 作为同时是全球化和极端精英化的市场。 平台可以调动全球任何地方的专家，但真正高价值的工作只由极少数人完成。因此一个讽刺的结果是AI 在努力变得更加"民主化"的同时，训练 AI 的过程却变得更加"精英化"。 而且，2025 年 11 月 Forbes 报道称 Mercor 在融资后削减了部分承包商约三分之一的工资，引发了关于平台经济公平性的新一轮讨论。当你问 ChatGPT 一个医疗问题时，回答你的不是 OpenAI 的工程师，而是那些在 Mercor 平台上做过医疗 RLHF 的、你可能永远不会知道名字的医生—— 而且他们最近的工资还被降了