过拟合了，本质上他们这几个模型没商业化场景，没多少人用，所以造数据的时候就用一套提示词用文本模型造，用视觉模型评

上面再套一个 Agent 来按生图模型的要求来写提示词，是不是就可以解决问题了

大概率现在就是这么做的，但是这个agent的规范就是阑大说的：提前定义好规范了。所以会有过拟合的问题，只有商业化的场景才能采集到长反馈的链路，以最终输出作为结果去做rl，这样模型就能得到真实提示词场景以及它究竟想生什么样图的泛化能力

我这两天用dsh，发现能干很多活，干的比网页端好太多。我是搞微波的，专业性很强，网页端对同一个概念会搞不清。dsh就不会，查文献看资料写报告超级好用，问题就是这两周我就花了七十多了。
看了一圈国产其他家，kimi之类的套餐根本不敢买，火山引擎这些，吐槽的很多，用量不清楚，限额限并发。看来看去还是ds官网直接充值可靠。。

我昨天用dsh识别整理一本七百多页的德文fraktur花体字老书，跑掉我一百二🥲🥲🥲

DeepSeek 网页和 DSH 是两个完全不同的东西，前者是问答对话，后者是智能体底座，要对比也是与 workbuddy 或者 Codex work 比较

我的体感：这些模型的对齐数据是按自家模板喂的，写对格式等于按对开关，直接落进训练时的高质量分布里。跟答题卡一个道理——涂错格子，会也白会。

可以把接口格式和模型能力分开测：固定模型、任务和参数，只改提示词结构，再换几类题材复测。若只在单个例子里变好，更像模板适配；跨题材稳定才说明规范确实有帮助

从MiniMax H3到Qwen Image 2.1，这一批国产多模态模型都非常讲究自己的那套提示词规范，按照规范来写，表现就能达到预期，不按规范来写就会迅速拉垮，这是什么原理？

😢这个人很懒，什么也没有留下。

来自圈子

AI探索站