Daily Productivity Sharing修改

2025-10-07 08:00:40

One helpful tip per day:)

Scott Jenson 认为大语言模型事实上已经“黑入”了我们的社会协议，让人们误以为它们比实际更聪明：

1. 他的职业生涯给了她两条应对不确定性的教训：第一，技术总是往下流动；第二，我们通常一开始走的都是错路。
2. 早期工厂依赖河流获取水力，但发电机的出现让工厂摆脱了地理限制。
3. 最初，工厂只有一个大型发电机，需要复杂的滑轮系统把动力传递到整栋建筑，这使得生产流程非常复杂。
4. 随着发电机体积缩小、成本降低，工厂可以在多个位置安装发电机。这种变化比第一次更解放，因为它催生了装配线。动力开始适应生产流程，而不是流程去适应动力，从而带来生产力的巨大提升。
5. 他用这一历史转变来类比 1980 年代末的情况：从笨重的中央主机到小型桌面电脑，正是同样的模式——由大而集中转向小而分布。如今 LLMs 也正在经历这一过程。
6. 这些小型化的 LLM 被称为小语言模型（SLMs），它们在更小的数据集上训练，参数更少，并通过量化技术减少规模。
7. 尽管这些小模型的性能评分通常不如 OpenAI、Google 这样的大模型，看起来像“二等公民”，但这种看法是错误的。并不是说它们更强，而是我们问的问题不对。我们并不需要模型去考律师资格考试。
8. 就像最初的 iPod 从 180 克缩小到 12 克，并逐渐走向细分用途，LLMs 也会随着技术和市场成熟而发生巨大变化。
9. 随着人们对“幻觉”越来越厌倦，他们会发现，当 LLMs 专注于小而可预测的语言处理任务时，其真正的力量才会显现。
10. 他现在的做法是不断试验这些模型，观察它们如何“崩溃”，并找出它们可能的实际用途。
11. 写作的本质是为了理解，这通常意味着要写出大量糟糕的文字，再残酷地删掉。试图用 LLM 来“自动写作”完全跳过了这种必要的痛苦。
12. LLM 并不智能，而且永远不会智能。
13. 这让人们用错了方式：他们拼命想从上而下地自动化，而不是从下而上地增强。
14. 把两条教训结合起来，她认为我们最终会走向一个更高效但也更无聊的局面：SLMs 专注于底层语言任务。
15. 成熟的技术从来不像魔法，而是像基础设施：更小、更可靠、更无聊。
16. 我们的目标是解决问题，而不是追求“酷炫”。

If you enjoy today's sharing, why not subscribe

Need a superb CV, please try our CV Consultation

如果你喜欢的话，不妨直接订阅这份电子报 ⬇️

2025-10-03 08:00:24

One helpful tip per day:)

Joan Westenberg 认为我们积累的工具越多——应用、设备、平台、AI 助手——就越觉得自己能力丰富。但矛盾的是，每增加一层，我们似乎就变得更脆弱。

1. 问题不是你不能重新学习这些东西——你可以。而是你不相信自己能做到。
2. 纸面上，你是一个拥有十二套系统的生产力强者。实际上，一旦拿走这些应用，你就无所适从。
3. 无害的外包和危险的依赖之间的界限是模糊的，但我们能感觉到自己何时越界。
4. 你不是因为有趣才去做。你是为了证明自己依然能做。
5. 罗马的衰落，被那些看似坚不可摧的体系所缓冲，直到它们不再坚不可摧。如果我们的衰落到来，也会被应用所缓冲。
6. 我所知道的是，个人能动性就像货币，如果不断膨胀却没有储备，它的价值就会丧失。而如果你想要的是主权而不是依赖，你就必须捍卫它。

如果你喜欢的话，不妨直接订阅这份电子报 ⬇️

2025-10-03 08:00:09

One helpful tip per day:)

Josh Swords 认为探索就是尝试新事物；开发就是坚持已验证有效的做法：

1. 优秀的学习者会先大量探索，等他们了解更多后，才能放心地去开发。如果跳过探索阶段，就会陷入困境。
2. AI 消除了挣扎。但挣扎才是关键。那才是你学会思考的方式。
3. AI 本可以帮助我们更多地探索，但它常常被用在过早的开发上。
4. 这就是所谓的“开发陷阱”。你得到了一个答案，但代价是失去了寻找答案（甚至更好答案）所需的技能。
5. 正确的平衡更像强化学习（RL）中的代理：先探索，再开发。
6. 对人来说，关键在于明确目标。如果目标是产出，就用 AI。如果目标是学习，就尽管用 AI，但要拥抱挣扎。

如果你喜欢的话，不妨直接订阅这份电子报 ⬇️

2025-10-02 08:00:19

One helpful tip per day:)

Joan Westenberg 认为物理上的整洁并不总能解决心理上的烦躁：

1. 早晨第一件事整理床铺可能会变成同样的逃避，一种被社会认可的分心行为，看起来很有美德，但在真正重要的地方没有任何改变。
2. 下次醒来时，克制去碰被子的冲动。坐下来。直面自己的内心。
3. 问自己：这个仪式让我专注当下，还是让我表演？如果答案是表演，就让床单保持凌乱，直到你完成真正的工作。
4. 我们把生产力技巧和晨间习惯奉为神圣。但丑陋的真相是，如果这些仪式建立在未经审视的杂乱之上，它们什么意义也没有。
5. 先清理头脑。让床铺等一等。

如果你喜欢的话，不妨直接订阅这份电子报 ⬇️

2025-10-01 08:00:09

2025-09-30 08:00:02

One helpful tip per day:)

姚雨顺认为 AI 的下半场已经到来 - 将从解决问题转向定义问题。在这个新时代里，评估比训练更为重要。

1. 现在突然发生了什么不同？用三个词来概括：强化学习（RL）终于奏效了。更准确地说：RL 终于能够泛化了。
2. 要在这一阶段中茁壮成长，我们需要及时转变心态与技能，更接近于产品经理的思维方式。
3. 在 AI 的前半程，方法比任务更难、更令人兴奋。
4. 方法往往比单个任务更通用、适用范围更广，这使它们尤为有价值。
5. 一种出色的新方法可以在许多不同的基准上持续爬坡，因为它足够简单和通用，其影响往往超越单个任务。
6. 在 RL 中有三个关键组成部分：算法、环境和先验。
7. 然而，在深度 RL 时代，经验表明环境的重要性极大：某个算法的表现往往高度依赖于它开发和测试所处的环境。
8. 事实证明，RL 中最重要的部分可能既不是算法也不是环境，而是先验，而这些先验甚至可以来自完全不相关的途径。
9. 然后，他迎来了人生中的一个重大顿悟——我们之所以能够泛化，是因为我们不仅可以选择“去第二个柜子”“用钥匙 1 打开第三个箱子”或“用剑杀死地牢”，我们还可以选择去思考：“地牢很危险，我需要一件武器来对付它。”
10. 思考，或推理，是一种奇特的行动——它并不直接影响外部世界，但推理的空间却是开放且组合上无限的。

如果你喜欢的话，不妨直接订阅这份电子报 ⬇️