使用AI辅助自己些代码已经很久了，从gpt3.5开始。 一开始都在正在开发的项目中，需要一些功能函数，在网页上让些一些功能函数，这时候自己对代码的把控都还行，都是写一些功能函数。 但是尤其最近一年以来,各种agent工具一浪一浪的推过来，更新层出不穷。新项目几乎全用AI开发，自己就写需求。购买的各种token套餐，国外的国内的结合使用，为了省钱。 老项目，总想着用AI过一边，优化一下，而且几乎AI都能给出看起来都很有道理的优化方案，而且找出一些列代码风险，也给出很多修复方案，然后自己审核plan之后，感觉相当有道理。OK，优化吧，执行吧。 多来几轮之后，以前的老项目，如果出了问题，几乎心里立刻能定位到大概在什么位置。但是现在经过几轮优化之后，出了问题，具体哪里有问题，心里没以前有底了。 新项目用AI开发的，在初步进行测试时，很多时候执行都没问题，测试也没什么问题。好吧，上线，面对各种形式的用户和使用逻辑，出了一些问题之后，然后开始继续改代码，怎么改呢，没办法继续使用AI改，因为AI写的代码量上来之后，想要手动精准修改到很多问题是有难度的。AI就继续改，因为只要你说了实际的问题，基本AI都认同，然后又不停叠加修复方案。 最后导致项目上线之后，心里一点底都没有。 与原来手动写代码时，基本手动写的慢，经常一个功能写出来时，实际已经测试了好几次了，心里相当于复习了很多次。即使出了问题，心里也能及时定位给出修复方案，然后上线。 现在AI越用越多，心里反而底气越来越不足了，尤其是后端项目。前端的还不那么怕，前端出bug了及时修复然后覆盖就行，只要保证后端数据正常和执行逻辑的安全，问题都在可控范围。但是后端出问题，造成数据搞错了，脑袋都大了，难道每次都有数据库回滚的机会？怎么可能。 大家都怎么解决遇到的这类似的问题的？ (以上内容全手打，格式乱，大家担待，想用AI优化一下格式，还是算了，闲聊而已) 1 个帖子 - 1 位参与者 阅读完整话题
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
背景。 我认为，大语言模型从 gpt3 开始（ 2020 年 6 月）到今天，虽然已经有了 5-6 年时间，但仍然处于这项技术的发展初期，大语言模型本身还有很多可以改进的地方（这块我不是很懂，我觉得如何用更少的资源实现更强的能力应该是一个很重要的方面，特别是如何在 cpu 上也能运行能力强大的模型。），但是，最关键的是我认为，大语言模型的工程化还在非常早的初期，很多问题还有待解决，特别是大模型的幻觉问题，直接限制了大模型在实际业务中的应用。 我认为，从开始我们直接用语言和大模型进行沟通，也就是所谓的“提示词工程”可能就是一个错误。 大模型的本质，就是以语言为计算因子的一种数学计算过程。大模型的所谓幻觉、对齐问题，不是大模型本身的问题，而是我们使用大模型的方式不对。 我们现在发几个字符，就希望大模型实现一个准确、高质量的回复；或者发一堆字符，希望大模型都能理解、记忆。这种用文字直接让大模型生成结果的做法我认为是错误的方式。 本体论 我认为，正确的方式是，应该在大模型和人之间建立一个层，这个层是一个由人类建立的符合现实的语义空间，对话语义经过这个转换层，就能确保大模型参与计算的所有因子都是真实可信的。 那么，如何建立这个层呢？我认为，就是将本体论（ ontology ）引入 agent 。现在也有很多人在做这方面的工作，但问题是他们都只是将一个很小知识领域本体化，每个人都需要建立自己的领域本体论，这也是为什么 Palantir 公司的成本这么高。 ** 疯狂的想法： ** 我们可以花费几万亿去计算一个模型，为什么不能花一点小钱，将整个现实世界通过语言抽象到一个本体论的知识图谱空间中？ 总结 人工智能领域一直有三大流派：符号主义、连接主义和行为主义。 open ai 的 chatgpt 告诉我们，连接主义正确的打开方式，就是用扩大规模。 那么，符号主义、行为主义的问题是不是也是因为规模不够大？ 如果我们用力大飞砖的方式，把符号主义、行为主义的技术规模扩大是否也会产生质的变化？ 最后，我们为什么不将符号主义（本体论）、连接主义（大模型）和行为主义（强化学习）的技术为什么不同用 agent 链接起来？这可能才是人工智能真正的打开方式。
这是当年gpt3.5时代的号了，老号出试用的情况多吗？ 1 个帖子 - 1 位参与者 阅读完整话题
在站外围观许久，终是得以注册。来跟各位汇报下作为研二小登的我的Research工作流进化历程 还记得 GPT 刚出来的时候，是绿底的 OpenAI 头像配黑底 Web Chat UI，很简陋，但确实帮了我不少。那时候没有现在的各种agents 和 harness，我基本上把它当大号 CSDN 用，主要用途就是中译英和接单写代码。前者不必多说，那时候的翻译质量我觉得就很能打了，起码写毕业论文和大作业是够用的。后者主要用来写各类项目，上至本科毕设，下至纯 CLI 的xx管理系统。那时候用的 prompt 很精细，类似"用cpp写一个xx管理系统，无需 web 端，命令台展示即可。功能包括：1.xxx 2.xxx。具体实现：细节1细节2细节3…"每次一写就是一大段。效果也不错，给出来的代码基本上能直接用。现在看来，这大概算是最早的 Vibe Coding 了。 随着GPT一路进化，以及我进组时间变长，我接触到的任务也早已不止于大作业级别。作为开山弟子，导师很快就让我开始写小论文。或许是第一次带学生，导师总是默认我什么都会，基本上每次都扔给我一个我现有能力之外的任务，因此，我也被迫开始学习各类LLM技能，以求高质量高速度的完成。 慢慢地，在我的Research工作流中，人工的参与越来越少。时至今日，我的整体工作流中，我的角色甚至还没有“我与导师组会会议记录.md”的作用大。毫不客气地说，我就是导师和LLM之间的传话筒，我的作用仅是理解。这包括理解导师的很抽象的话、理解当前的科研状态、以及理解LLM的分析。在最后一点上，不得不说，GPT5.4和5.5真的给我造成了很大的阻碍，指各种非人类的口癖以及迄今为止冠绝古今中外所有LLM的造新词的能力。 回到主题上来，我目前的工作流大概是：导师给个大概方向-claudeCode/Codex搜文献调研-人工理解并提出第一版idea-GPT5.5/Opus4.8双重拷打-做实验-失败-组会汇报-导师指点-重复上述。一般迭代2-3版就差不多了（因为这时候也快到会议ddl了，再不写真勾八来不及了） 对于LLM的选择，我的理解是在推导公式方面我推荐GPT，讨论迭代idea我推荐Opus。前者不必多说，基本上属于大家的共识了。后者，虽然Opus在逻辑推理能力上并不是SOTA，但是最起码它能说人话…能够大幅减少我理解新领域/新知识的成本。另外，最近更新的Opus4.8用起来感觉还不错，个人体感来说可以替代4.6了。 想到哪写到哪了，行文难免杂乱，各位佬多担待。 最后有几个问题想和各位佬探讨下： 作为同是LLM研究方向的各位硕博佬，你们主推什么模型？ 之前一直很火的DeepReasearch功能现在怎么销声匿迹了 像我这种科研进展全靠与LLM聊天，真的没问题么… 5 个帖子 - 4 位参与者 阅读完整话题
Gpt3.5时代Google注册的老号，接码平台接了个手机号，现在Codex弹验证了，完犊子。 昨天刚买的Business，哎，退了退了。 数据也申请导出了，以后用新号了。 难过。 3 个帖子 - 3 位参与者 阅读完整话题
看了下两个号都绑的+91，我都忘了什么时期注册的了，这个能改吗，二验的话我这几年的老号不就完蛋了 6 个帖子 - 6 位参与者 阅读完整话题
rt，gpt3时代gmail上古老号，绑的早已跑路的接码平台。。pro 20x还有2天过期，在犹豫要不要续订，怕买了20x直接不给用就狗了。。。还是新注册号绑定个长效手机号？香港号貌似也不行？ 11 个帖子 - 7 位参与者 阅读完整话题
登录上去甚至还能看到几年前的提问记录 网页版登录、sub2api授权全部一把过，没有手机号验证 关键这些个号全都是用simplelogin虚拟邮箱注册的 话说现在还能用simplelogin注册吗？算不算绝版老号 早知道当时就多注册几个了，当年只要网络能连上就能注册，也没有什么手机号验证之类的破事 现在导入sub2api用了，但愿sam看在多年老用户的份上别封我 6 个帖子 - 4 位参与者 阅读完整话题