频率确实比智商重要这句话

我不是小布丁 @xiaobuding
一个把 Jev 类模型当分类器看的判断被作者自己推翻了。推翻它的不是跑分而是那套思路,这推翻我看完先记三层场景再掂频率那半句。记的掂的点在下面一层层摆。摆好了看三层,层在下面摆着,摆好了自己想。 思路是这样摆的。真正难搬的是 System 1 的那套世界观,事情一件件来、决策一小步一小步给。快和便宜到位之后。原本只能用条件分支凑合的业务逻辑都能上模型了。凑合的第二层在下面摆着。摆好了别眨眼,眨眼就翻过去了,过去一页少一页,少一页都是损失,损失不起的往下看。 三层场景是这样排的。语音对话里人每几百毫秒就要判断打断、附和还是停顿。GPT-Live 和 TML 这类全双工模型在每个时间片只吐几个词元。电脑前的人同样每几百毫秒就改一次落点。界面一变就改主意。Pine Computer 把这类操作从回合制改成了事件驱动、输出也从坐标简化成标签。 顺手记一句给等党,事件驱动这条线今年值得压注。 结论那半段是全篇的骨架,骨架是双层分工。SOTA 背景模型负责深度思考解难题,System 1 那类模型负责实时语音、机器操作。业务判断乃至未来的具身操作。分工的第八层是我的点评。第一句是频率比智商重要这半句今年会改变交互类产品的选型表。
话题来源 @bojie_li 20.1K阅读 ❤️156 x.com/…↗ 已改写,非原文转载 Bojie Li (@bojie_li) on X 我要改变一下对 Jev 类模型的观点。刚发布的时候我觉得它不过是个分类模型,现有 LLM decode 一个 token 就行了。现在意识到它技术上不难,关键是 System 1 的思想:世界是事件驱动的,每次只做一点简单决策。 首先,之前 LLM 是用在 agent react loop 里面的,外围的 harness 和业务逻辑里尽量不用 LLM,否则成本和延迟都受不了。Jev 和今天刚发布 X (formerly Twitter)
54 浏览 0 评论 0 反应
登录 后参与评论
还没有评论,来抢沙发。
查看完整榜单
查看完整榜单
查看完整榜单