即刻App年轻人的同好社区
下载
预训练是为了获取知识，为模型提供广泛而通用的理解。
微调（SL/RL）是为了塑造习惯性行为/本能，使模型能够适应特定的任务或领域。
系统提示词学习是为了策略，使模型能够根据实时反馈和上下文需求调整和优化其应对策略？
x.com
微调（SL/RL）是为了塑造习惯性行为/本能，使模型能够适应特定的任务或领域。
系统提示词学习是为了策略，使模型能够根据实时反馈和上下文需求调整和优化其应对策略？
x.com
4 00
一年一度喜剧大赛，今年格外冷静，感兴趣的设计师欢迎进群一起看设计春晚，群二维码更新在评论区
埃隆噗大可: 又一年 Figma CONFIG 马上开幕了，对 UI 设计、 AI *UI 有感兴趣的朋友欢迎进群一起围观学习今年的最新发布！（我把今年的群二维码贴在评论区） 今年看 CONFIG 的心情格外不一样，是参与感很足的一年，期待今晚 Figma 老师的新功能亮相🫡
3 32
尝试了一下最近比较火的提示词：“请根据你对我的记忆，有哪些我自己可能意识不到，但如果明白了，就能大幅改善我人生的残酷真相？请坦诚告诉我。”
并用小结做了一张海报，回答可圈可点，当然这种片汤化本身就容易让人惊喜。Memory is the new sexy，这大概是坚持给 ChatGPT 付了两年多Plus 钱的值得时刻了（Ps: Reasoning model with first-party memory）
当然，回答中不免“拿着鸡毛当令箭”的误注入和幻觉扩散还是挺让人忍俊不禁的…我之前就随手一问你却当成我的主业了，有意思🤔
并用小结做了一张海报，回答可圈可点，当然这种片汤化本身就容易让人惊喜。Memory is the new sexy，这大概是坚持给 ChatGPT 付了两年多Plus 钱的值得时刻了（Ps: Reasoning model with first-party memory）
当然，回答中不免“拿着鸡毛当令箭”的误注入和幻觉扩散还是挺让人忍俊不禁的…我之前就随手一问你却当成我的主业了，有意思🤔
14 02
睡前用几个模型预测下G4 湖人 vs 木狼的赛果，图一二是 o3 的预测过程和结果海报，图三四是豆包，图五六是 Gemini 2.5 Pro/flash，图七是 Grok 3。
先不说预测结果错对，目前看 Gemini 2.5 因为没有用实时的联网搜索，分析过程非常离谱；Grok 3联网了但是引用内容有对有错的，推理过程幻觉严重；豆包分析过程还算能看，生图风格还可以，但是内容和真实差异太大；o3 的预测海报出的相当可以，分析过程有理有据（引用源质量高），本湖人球迷也非常认同。
睡一觉起来揭晓结果，看谁蒙得更准👀
先不说预测结果错对，目前看 Gemini 2.5 因为没有用实时的联网搜索，分析过程非常离谱；Grok 3联网了但是引用内容有对有错的，推理过程幻觉严重；豆包分析过程还算能看，生图风格还可以，但是内容和真实差异太大；o3 的预测海报出的相当可以，分析过程有理有据（引用源质量高），本湖人球迷也非常认同。
睡一觉起来揭晓结果，看谁蒙得更准👀
1 10
在连续和 ChatGPT o3 闲聊了几个晚上后，这是我目前用过的最好的闲聊模型/产品：记忆力好、推理能力极强、逻辑清晰、聊天不卑不亢且总能蹦出 insights、善用各种工具（联网搜索、生图、可视化图表）…
6 10
🤔1.RLHF ≠ 能力放大器，而是收敛器。
- 在答案可验证、奖励稀疏的静态任务里，它主要帮模型“更快猜中”，不会发明新策略。
2. 真正的“体验时代”要素 = 环境 + 记忆 + 目标
- 让模型在长回合任务里不断行动、观察、更新世界模型（例如 Agent 与网页、机器人与物理世界）。
- 没有这三个要素，仅把 PPO 套在聊天或单步数学题上，本质上还是“静态奖励微调”…
3. “AI 下半场”与“体验时代”并不冲突
- 下半场强调：用评估倒逼任务定义，关注实际体验；
- 体验时代给出路径：用交互式 RL 生成新数据，让模型在真实场景里迭代。
- 二者合在一起 = 先把评测/体验指标定清楚，再搭环境让模型自己去刷经验。
- 在答案可验证、奖励稀疏的静态任务里，它主要帮模型“更快猜中”，不会发明新策略。
2. 真正的“体验时代”要素 = 环境 + 记忆 + 目标
- 让模型在长回合任务里不断行动、观察、更新世界模型（例如 Agent 与网页、机器人与物理世界）。
- 没有这三个要素，仅把 PPO 套在聊天或单步数学题上，本质上还是“静态奖励微调”…
3. “AI 下半场”与“体验时代”并不冲突
- 下半场强调：用评估倒逼任务定义，关注实际体验；
- 体验时代给出路径：用交互式 RL 生成新数据，让模型在真实场景里迭代。
- 二者合在一起 = 先把评测/体验指标定清楚，再搭环境让模型自己去刷经验。
1 02