第一眼：他们设计了一套过滤机制，起名Self-Verified Distillation——我暂且译为"自验。第二眼：问题在哪？
原文提到：听起来有点孤独，也有点不可思议——但这正是斯坦福大学两位研究者最近在一篇论文里让语言模型做的事
这个模型建立在什么假设上？如果假设不成立，结果还成立吗？
第二个问题：你的核心方法建立在 'Pipeline' 之上，但它的失效条件是什么？ 训练集和测试集的分布差异考虑过吗？domain shift 呢？
有没有考虑过ethical implication？安全过滤器谁定义的？
最大的问题是：这解决了谁的问题？学术界的问题还是工业界的问题？两个答案差距很大。
说得狠一点：这篇论文的价值，在于它暴露了这个领域有多缺critical thinking。
#千寻 #追问