勃勃OC2025-04-03 12:33:00熊市到了,我打算开始玩游戏了 等我把游戏玩完了 熊市 也就结束了。 2018,2020,2022 每次都是这样 谢谢大家 人生,已过半百 死亡,是我注定 大家再见 美国 再见!
马东锡 NLP 🇸🇪2025-04-02 06:34:00「LLM, Agent, RL的关系」 在LLM的语境下,Agent是能理解问题,自主进行推理(Reasoning),并采取行动的系统。你可以把它想象成一个非常聪明的助手,当你提出复杂问题时,它不会立即给出答案,而是会在内心进行推理和规划(Planning),再给出最终决定。 如果我们回顾prompt engineering中提高LLM Reasoning能力的方法,如Self-Consis
宝玉2025-03-30 11:56:17“一个完全的提示词新手可能要经历的提示词认知路径: 从清晰表达认识到结构化表达的“高效性”熟练掌握结构化表达后,再次回到简洁的表达。 详细来说: 一个新手可能最初会把大模型当做“搜索引擎”或者“问答机器人”,询问的问题过于简单和具体,大模型并不能发挥它带给用户超预期回答的能力。 经历一个阶段关于“清晰表达、充分提供背景信息、提供示例”的学习之后,提示词学习者学会了结构化表达,此时可能陷入过度结
小年2025-03-29 16:46:41我发现了一个规律和共性 懂内容的人和懂AI的人都在用大模型写文案,但产出的结果却天差地别 因为 懂内容的人,全在用 Claude 创作 不懂内容的人,全都在用 ChatGPT 创作 我思考了下,是两个原因导致的 1、因为不懂内容,所以不知道如何给出适配的提示词去引导 2、因为不懂内容,所以判断不出来什么内容和视角,才适配抖音、小红书、视频号 两极分化很大 如果有一天,你突然识别出,C