即刻App年轻人的同好社区
下载
App内打开
609的小王
52关注44被关注0夸夸
医疗、互联网、AI产品经理🧐
benchmark研究生🤓🙄
复旦临床,执证行医😜
claudecode daily user🥴
609的小王
7天前
vibecoding 新座位…
00
609的小王
8天前
未来投资最有回报的两件事:
技能
流量
00
609的小王
8天前
已加载 制作好喝的拉花拿铁 skill
00
609的小王
8天前
《11月上半月思考🤔》

1.AI 评测正在走向 Agent-as-a-Judge。

以前评测 AI,更多是把问题和答案交给另一个大模型,让它一次性判断好坏。

但随着 AI 能完成的任务越来越复杂,评测方式也在不断进化,大致可以分为三个阶段:

第一阶段:按流程评。不再依赖一次性判断,而是把评测拆成多个步骤,增加交叉检查、复核等环节,提升评测结果的稳定性和准确性。

第二阶段:融入环境评。让评测 AI 接入更多工具和真实运行环境,不再只是判断结果好不好,还能追踪任务执行过程,定位哪个环节出了问题,以及为什么出错。

第三阶段:自我进化评。不再完全依赖人工制定的评分标准和工作流程,而是从历史评测中总结经验,持续优化评测标准和方法,让评测体系本身不断进化。

从判断结果,到理解过程,再到自我进化,AI 评测正在从一个简单的打分工具,走向一套持续改进的系统。

2.再多的思考,没有目标和验收条件,也可能只是白努力。

AI 的推理强度越高、思考时间越长,结果却未必更好。

因为如果不知道最终要解决什么问题,也不知道做到什么程度才算合格,那么再多的推理,也可能只是在错误的方向上反复努力。

实践中发现,中等推理强度 + 充足的工具调用机会 + 明确的目标和可验证的验收标准,有时反而能得到更好的结果。

思考本身不是目的,解决问题才是。
00
609的小王
18天前
经历了 10 月反复 reset 的 openai,

每天想目标和任务的速度都追不上额度重置。

突然想到,如果把token 比成钱,

当我有用不完的钱,

那我应该去做什么?

这是一个越早想明白越好的问题。

但是很多人会因为额度不够不去想。

感谢 10 月的 token 自由,体验了一把被倒逼思考目标的感觉
00
609的小王
18天前
📌 10月模型赏味|少浪费点生命

⏱ 1个标准:
完成复杂任务,累计使用AI时长(不含 AI 回复时间)要小于1 小时。
超过1小时,要么说明模型不对,要么说明没做好规划,还有一种最小可能是...

📋 本月选模型的记录

🎯 大目标、复杂任务规划
→ Opus 5.5

🎨 前端 UI 设计
→ Gemini 3.8 Flash > GPT-6 Astra

⏳ 长时间运行、不能出错的任务
→ GPT-6 Astra > DeepSeek 4 Flash

🫧 情绪安抚、定向听新闻广播
→ GPT 语音 Live

✅ 只想选一个,无脑选
→ Opus 5.5
00
609的小王
3月前
职场的第一性原理,不是努力,更不是所谓的价值,是供需关系
00
609的小王
3月前
我一直以来都是不自觉的用“外部评价系统”来评价自己,比如要求自己考试成绩好,要求自己在职场里面更专业。

但是到今年,我才意识到,我在这个过程中,因为过度依赖外部评价,会忽略自己的感受。比如我想要看一会电视,但是家长说会影响成绩我就丧气的去写作业,比如会担心不满足领导而拿到低绩效。

从今天开始,我会关注自己感受。
因为
1我希望我老的时候,不后悔。
2我不想把自己的生活方向盘放到别人手里。
3没人可以定义你,只有你自己可以。
00
609的小王
3月前
AI 干活的速度比我思考的速度更快,导致我需要超频思考,确实更累了
00
609的小王
4月前
随着 deepseek 和 gpt 的降价

以及我自己用 codex gpt5.6 luna 的感觉

2026 下半年模型竞争要从能力竞争到性价比经济竞争了

在能满足大部分人日常任务的模型来收割用户
00