Sabi 提出 RLNF：用脑电信号取代人工打分，AI 直接「读懂」你的偏好

过去几年，让大模型「懂人」的主流办法是 RLHF——请人给模型的回答打分，再用这些评分去训练模型。现在，一家做脑机接口的创业公司想把「打分」这一步也省掉：直接读你的大脑。

这家公司叫 Sabi，联合创始人 Rahul Chhabra 近日展示了他们称为 RLNF（Reinforcement Learning with Neural Feedback，神经反馈强化学习）的新方法：用可穿戴脑电（EEG）设备采集的大脑信号，取代人类的显式评分，作为强化学习的奖励来源。

一张会「向你靠拢」的脸

Sabi 放出的演示很直观：屏幕上是一张由 AI 生成的人脸，观看者戴着 Sabi 的设备，什么也不用说、什么也不用点，只是看着。随着时间推移，这张脸会逐渐朝着观看者「更喜欢」的方向变化。

背后的逻辑并不复杂：人在看到喜欢或不喜欢的东西时，大脑会产生不同的神经反应，模型把这些反应当作反馈信号，不断调整输出。区别在于，传统 RLHF 依赖人有意识地给出评价，而 RLNF 抓取的是更早、更直接，甚至连本人都未必能清楚表达的那一层反应。

这一方向在学术界并非全新。此前已有研究用 EEG 中的「错误相关电位」作为强化学习的隐式奖励，也有团队用 fNIRS 信号来判断智能体表现好坏。但把它装进一个面向消费者的可穿戴设备里，并用一张实时变化的人脸来讲故事，Sabi 是第一个把这件事讲得如此「可感知」的。

一顶会读心的毛线帽

Sabi 本身就是这个故事成立的前提。这家位于湾区的公司做的是非侵入式脑机接口，把高密度 EEG 传感器塞进一顶毛线帽或棒球帽里，配合自研的「大脑基础模型」，目标是把人脑中「想说的话」转成文字和 AI 指令。本月它刚完成 5000 万美元种子轮融资，由 Khosla Ventures 领投，Accel、DST Global 等跟投。

从这个角度看，RLNF 更像是 Sabi 在为自己的硬件找一个比「意念打字」更大的叙事：如果脑电信号能成为训练 AI 的奖励，那么每一个戴着 Sabi 设备的人，都是一个不需要开口的标注员。

诱人，也让人不安

RLNF 的吸引力显而易见。人工打分慢、贵、主观且容易疲劳，而大脑信号是连续的、即时的、几乎零成本的。对于审美、情绪这类本来就难以用语言描述的偏好，直接读取神经反应或许比问卷更准。

但问题同样明显。EEG 信号噪声大、个体差异大，「喜欢」和「被吸引注意」在脑电上未必分得清；把模型优化目标交给潜意识反应，也可能把 AI 推向更刺激、更上瘾的方向——这正是推荐算法过去十年走过的路。更不用说，当训练数据直接来自你的大脑时，隐私边界在哪里，目前还没有人给出答案。

一张向你靠拢的脸是一个漂亮的演示。但它离真正的大模型训练还有很长距离，Sabi 需要回答的，远不止技术问题。