即刻App年轻人的同好社区
下载
App内打开
Million_Y
245关注111被关注0夸夸
与自己和解 与世界和解
而后高举长枪 遥指风车
枪尖含着月光 无声呼啸
置顶
Million_Y
1年前
搜索引擎第一次将我们全人类的知识链接到一起。而LLM的出现,则是将这些知识有机地结合起来。
30
Million_Y
7天前
【找最时髦的假想敌对标,打造最黑科技路线的兵器,然后躲开同行,回到旧世界欺负人,猥琐发育,可能才是正经事儿。】
世界那么大,每个人都是信息孤岛。

Mars任鑫: 朋友公司在搞模型技术攻关,但大概率搞完后也只有头部产品 50% 性能,可以预见之后需要拿把水果刀上战场大战人家的青龙偃月。 问其打算,答曰其实有 ABC 三个思路。 A 当然是继续铸剑打磨技术,但心里面清楚肯定追不上,铸剑的过程主要是为了增强自己对技术的了解,然后祈祷出现开源或者闭源但能搞到的新技术弯道超车,不自己做一下的话估计到时连评估和组装能力都没有。本质上其实是靠天吃饭,等天上掉馅饼,预估成功率 1%。 B 是就笃定只能造出水果刀了,但水果刀在李寻欢手里也是很能打的。所以,也可以聚焦在内容运营、功能设计、和社群玩法上。在产品侧和运营侧创造竞争优势。听起来很有道理,但其实是把难题从研发都给了运营——“练出绝世武功”不比“炼出绝世兵器”容易啊,预估成功率 3 %。 C 则是换场子,其实是借假修真,假借要打关羽来练武功炼兵器,其实打算看到青龙偃月刀就掉头,去找更适合的场景(比如开个果切摊子),或者更好欺负的人(还没 AI能力、赤手空拳的玩家们),在那边耀武扬威一番再说。这个成功率怎么看也有 10%+ 了。 找最时髦的假想敌对标,打造最黑科技路线的兵器,然后躲开同行,回到旧世界欺负人,猥琐发育,可能才是正经事儿。

00
Million_Y
7天前
如果把创作能力分为不合格,合格,一般,优秀,卓越五档,我想模型的创作能力可以达到优秀,但是很难达到卓越,因为人类语料中达到卓越水平的太少了。 //@OrangeCLK: 想到llama2论文32页介绍强化学习可以让模型的创作能力沿着审美偏好超过人类标注员的水平

Million_Y: 最近在做的工作,让我隐隐觉得,LLM 的创作能力和审美能力应该分开来看。创作能力强的,审美能力不一定强,从人类的角度来看,培养审美能力要比培养创作能力更简单一些,我猜测在 LLM 上也是如此,看过很多好的东西,就懂得欣赏好,但是创作好的东西可不那么简单。品味易得,妙手难求。

00
Million_Y
7天前
最近在做的工作,让我隐隐觉得,LLM 的创作能力和审美能力应该分开来看。创作能力强的,审美能力不一定强,从人类的角度来看,培养审美能力要比培养创作能力更简单一些,我猜测在 LLM 上也是如此,看过很多好的东西,就懂得欣赏好,但是创作好的东西可不那么简单。品味易得,妙手难求。
21
Million_Y
7天前
和原有的推荐机制结合到一起,用 AI 整合成更容易消化的内容。

歸藏: 另一个 ChatGPT 时刻就要来了。 Karpathy 说 NotebookLM 播客功能中可能蕴含着类似 ChatGPT 的机会,一个新的 AI 交互范式。 我一直关注和等待的东西,终于有行业核心人物注意到了,这个机会可能比 ChatGPT 还要大的多。 写了篇内容详细介绍了一下这个新的 AI 范式里面的逻辑: 将已有的庞大文本内容利用日渐成熟的其他模态 AI 模型转换为更多可被用户消费的内容形态,从而满足更多的用户消费场景。 这里的详细一些:https://mp.weixin.qq.com/s/1hqyb8SFBNVzrMkG8X1QEw Perplexity 的发现页面将全世界大量不同语言的新闻内容重新整合,变为可以被不同语言消费的新闻信息流,同时 TTS 的加入让用户的消费场景获得了极大的拓展,可以不用盯着屏幕了。 NotebookLM 将用户感兴趣的长篇文字内容拆解、总结、整合,让其更符合用户消费习惯,播客的加入也让整理内容的消费场景获得了拓展,另外对谈的形式也避免了让用户提问题这个成本很高的动作。 **这一范式的主要特点是:** - AI 自动收集整理文本内容 - 将原始文本内容转换为可被消费的其他模态内容 **主要的解决了下面这些问题:** - 拓展内容消费来源:不同语言不同地区的内容都可以被消费。 - 拓展内容消费场景和形式:同一份内容可以被变为图文、单口播客、对谈播客、视频。 - 降低内容消费成本:长篇深度内容可以被结构为简单的、简短的内容供用户消费。 **这一范式实现的前提只有一个:** 各个模态 AI 生成模型开始真正成熟,生产的文本、音频、视频没有违和感,可以被消费。 NotebookLM 生成的播客能如此出圈也是因为他的对谈播客声音自然流畅,非常有感情,没有 AI 感。Perplexity 整理和收集的新闻行文简明扼要,废话很少,图文混排的时候文字和图片相关性也很强。 目前成熟应用的场景还是图文和声音,随着视频生成和检索技术的成熟,这一范式迟早会落地到视频上,到时候可能不止是 ChatGPT 这种级别的机会了。

00
Million_Y
8天前
隐约有所感觉,但没有清晰到范式的程度,mark

歸藏: 另一个 ChatGPT 时刻就要来了。 Karpathy 说 NotebookLM 播客功能中可能蕴含着类似 ChatGPT 的机会,一个新的 AI 交互范式。 我一直关注和等待的东西,终于有行业核心人物注意到了,这个机会可能比 ChatGPT 还要大的多。 写了篇内容详细介绍了一下这个新的 AI 范式里面的逻辑: 将已有的庞大文本内容利用日渐成熟的其他模态 AI 模型转换为更多可被用户消费的内容形态,从而满足更多的用户消费场景。 这里的详细一些:https://mp.weixin.qq.com/s/1hqyb8SFBNVzrMkG8X1QEw Perplexity 的发现页面将全世界大量不同语言的新闻内容重新整合,变为可以被不同语言消费的新闻信息流,同时 TTS 的加入让用户的消费场景获得了极大的拓展,可以不用盯着屏幕了。 NotebookLM 将用户感兴趣的长篇文字内容拆解、总结、整合,让其更符合用户消费习惯,播客的加入也让整理内容的消费场景获得了拓展,另外对谈的形式也避免了让用户提问题这个成本很高的动作。 **这一范式的主要特点是:** - AI 自动收集整理文本内容 - 将原始文本内容转换为可被消费的其他模态内容 **主要的解决了下面这些问题:** - 拓展内容消费来源:不同语言不同地区的内容都可以被消费。 - 拓展内容消费场景和形式:同一份内容可以被变为图文、单口播客、对谈播客、视频。 - 降低内容消费成本:长篇深度内容可以被结构为简单的、简短的内容供用户消费。 **这一范式实现的前提只有一个:** 各个模态 AI 生成模型开始真正成熟,生产的文本、音频、视频没有违和感,可以被消费。 NotebookLM 生成的播客能如此出圈也是因为他的对谈播客声音自然流畅,非常有感情,没有 AI 感。Perplexity 整理和收集的新闻行文简明扼要,废话很少,图文混排的时候文字和图片相关性也很强。 目前成熟应用的场景还是图文和声音,随着视频生成和检索技术的成熟,这一范式迟早会落地到视频上,到时候可能不止是 ChatGPT 这种级别的机会了。

00