#机器学习

卧槽？ 效果这么好？ 感觉目前只有4o能这么丝滑吧…

GPT4.5通过了图灵测试

最近AI群里出现最多的图

帮朋友的公司发个招聘信息： - AI工程师 - 机器学习工程师 - 推理优化工程师 湾区原生ai公司，全是年轻人，薪资行业top，非常扁平发挥空间大，全是名校背景，人才密度高。 北京的 office 在五道口。 非常希望招到有热情有创业精神学习快的同学 投递地址：

Potential Legal Assistant解释

AI的"无中生有"已经到了现在这样的水平。以后看到让人吃惊的内容，先要在脑子里问一句：这是真的吗？

洋AI也这样

去年我还傻乎乎的认为需要通过泄露OpenAI等牛逼模型的权重文件来实现大跃进，至少Llama3没让我觉得他那二进制有啥价值，但DeepSeek真的扭转了这一局面，OpenAI离开源真不远了。并且，我们可以再次做出预测，2025年开始，会出现一个超级大善人，出资10亿美金以上，买很多设备，免费让各个社区里的聪明人也能轻松研究训练过程，这样的话，到2026年，大模型全生命周期所有软件工程都实现开源，又

你听说过什么叫“蒸馏”么？说个大白话： 就是拿人家算出来的模型参数，跳过所有数据清洗、训练，做最后一程。其实没有任何创新 好像人家证明了π=3.14，他拿结果去算了圆面积。让他再自己去证明算一个e，他又抓瞎了

Haha, deepseek r1 is using a modified BoN-RL replacing BoN with Group mean advantage was. And Kimi is taking the formulation of BoN it self. Amazing to see those model become life

《大语言模型》作者：赵鑫，李军毅，周昆，唐天一，文继荣

卷积神经网络差不多看完了，知道了神经网络的框架之后感觉好失望，学之前所期待的神秘黑魔法并没有出现。 用chain rule推出autodiff和backprop感觉很有趣，但是似乎也只有这些了，剩下的看起来都是玄学trick和脏脏的engineering。 站在Dunning-Kruger的愚昧之峰上，恍惚间有种人类科技不过如此的错愕。

说大模型不行的话要慎重。 昨天去一个活动做分享，在我之前分享的是一位大学教授，总的基调是认为大模型能力不行，不能用于生产，要用在生产上必须针对每个场景做针对性微调。 该教授举了几个例子来证明大模型不行，如：做高考数学不行；不会逆向思考，所以答不出上一句诗；要语料反复曝光才能学到知识，所以回答不了中国第九长河这样的问题。 现场测试o1，只要是常见的诗，问上一句诗一点压力都没有，回答第九长河也有