一句话定义
弱到强泛化（Weak-to-Strong Generalization，简称 W2SG）是指：用一个能力较弱的监督者（弱模型，或水平有限的人类）去训练更强的模型，结果强模型反超监督者，并逼近它自己无人监督时的真实上限。
它想回答的问题
如果有一天 AI 远比人类聪明，我们就是那个“弱监督者”——给出的反馈必然错误百出，却还得靠它来对齐。直接拿超级 AI 做实验不现实，于是研究者造了一个代理问题：把强模型当作“超级 AI”，把弱模型当作“人类”，看弱监督到底能榨出强模型多少能力。
原理，打个比方
一个大学生复习，手里只有一本小学生做错的习题答案。答案错得不少，但大学生看得懂题目、知道哪儿不对劲，能纠正一部分，最后学到的比那个小学生多得多。小学生＝弱监督者，大学生＝强模型。
典型实验是：先让弱模型给一批数据打标签，再用这些标签微调强模型，然后对比三个数——弱监督者自己的水平（下限）、强模型无监督时的水平（上限）、强模型被微调后的水平。结果通常是“高于下限、低于上限”：强模型确实泛化到了弱模型答错的地方，但能力没有完全释放。补缺口的常见做法有：让弱模型输出概率而不是非黑即白的标签（软标签、置信度损失），让强模型自己复核并改写弱标签，或者集成多个弱模型。
和相邻概念的区别
| 概念 | 方向 | 目的 |
|---|---|---|
| 知识蒸馏 Knowledge AI 词典：Distillation">Distillation | 强 → 弱 | 压缩模型、方便部署 |
| 监督微调 SFT | 人类标签 → 模型 | 让模型按人的偏好做事 |
| 弱到强泛化 W2SG | 弱监督 → 强模型 | 研究弱监督者能激发强模型多少能力 |
一句话记：蒸馏是“老师教学生”，弱到强泛化是“水平不如你的老师，能不能把你教得比老师还好”。它也是可扩展监督（Scalable Oversight）研究的一个可实验代理。
实际意义
对做模型的人：弱标注不该被轻易扔掉，用软标签、加权、集成的方式喂给强模型，常能换来超出标注水平的收益；汇报结果时也要同时给出弱基线、强上限和恢复比例，只报“微调后多强”没有意义。
对职场人：不太懂行的领导、客户或评审给出的反馈，仍可能推动你做出超出他们预期的结果，前提是你能判断哪条对、哪条错；反过来，别指望水平差距过大的监督者能完整发挥你的能力，差距越大，越要自己交叉验证。
具体实验设置与最新结论，以官方论文与官方页面为准。