盛溪的博客 | 畅所欲言、自由评论

🤖异或的挫败与注意力的胜利：AI如何理解语言

文章从人工智能的两大分支——符号主义与联结主义——展开，回顾了从感知机到多层感知机的发展历程，以及异或问题如何暴露出早期模型的局限，引发第一次 AI 寒冬。随后介绍了词嵌入、向量运算和注意力机制等关键技术如何推动联结主义的复兴，使大语言模型能够在高维“意义空间”中进行概率预测与生成。最后，结合对齐与强化学习，文章揭示了 ChatGPT 等现代 AI 在语言理解与生成上的核心原理。

推荐

大模型

大模型“不确定性”的真相：不是温度而已，关键在 batch invariance

LLM 推理“不确定性”的根因不在温度或“并发+浮点”，而在于 batch invariance 缺失：同一请求的数值会随拼批规模与切分策略改变。通过对 RMSNorm、Matmul、Attention 做 batch-invariant 改造（统一 KV 布局、固定 split-size 等），在 temperature=0 下可实现位级一致的可复现输出，代价是可接受的性能损失，为金融/法律等高确定性场景及 True On-Policy RL 奠定基础。

推荐

大模型

对于人工智能时代的巨大思考————请你宽容

本文从“宽容”作为人类社会精神底座出发，延伸探讨了AI发展中的两个核心问题：价值对齐与算法偏见**。当AI逐渐获得接近乃至超越人类的智能时，我们必须重新思考，我们在数据中灌输的价值观，是否配得上我们期望未来机器所体现的理性与善意。 📌 主要内容概览： 1. AI系统若无法对齐人类价值，将面临灾难性风险 ◦ 引用Anthropic提出的三种可能路径：乐观、中性、悲观 ◦ 强调“技术对齐问题”的严峻性，尤其在AI智能接近或超越人类的情境下 2. 人类的偏见与仇恨正在污染训练数据 ◦ 大模型学习的是人类语言、行为和价值的集合体 ◦ 如果我们对“平凡人”“弱势群体”都缺乏宽容，最终塑造的AI也将对他们无情——而那最终会反噬我们自己 3. 数据偏见是结构性的、难以完全根除的 ◦ 介绍经典文献： ▪ 《A Survey on Bias and Fairness in Machine Learning》 ▪ 《Weapons of Math Destruction》 ◦ 深入讨论偏见的来源、反馈循环与应对策略 4. “信息”≠“知识”，偏见的批判与防范需要真正的深度认知 ◦ 仅靠“收集技术资料”远远不够，AI PM 和开发者需要形成独立的伦理判断力与系统性思维

文字

思考

找到自己想认真打磨的事情比什么都重要

📌 一、核心观点概括 • 信息 ≠ 知识：信息只是“快照”，知识是经过深度理解与体系化构建的“内化产物”。真正的知识不能靠刷短视频获取，而要靠长期实践和认知构建。 • “努力万能论”是误导：教育常用“努力”来掩盖体制对记忆与逻辑的单一偏好，但真正的人才培养应走“扬长避短”之路，而不是一刀切地补短板。 • 教育的公平不在于平均，而在于差异化赋能：每个人应有公平的发展机会，但不必走相同的道路。真正的公平是根据天赋差异，提供不同的资源支持。 🎯 二、教育制度深层批判 • 当今考试制度强化记忆与逻辑推演，实际剥夺了学生探索自我的机会，导致“多数人成为少数人的陪跑”。 • 素质教育改革口号与现实背离：提出越多，反而应试越严重，暴露出制度设计与执行之间的巨大张力。 • “刷题思维”掩盖了教学功底的匮乏：真正优秀的教育者应当以少胜多、化繁为简，而不是数量堆砌。 🚀 三、解决之道与个人思考 • 人生智慧在于扬长避短：不是靠“死磕短板”换来尊严，而是选择适合自己的土壤生长。 • 探索热爱与擅长的交集：天赋提供正反馈，热爱赋予抗挫力，二者结合才是持续成长的根基。 • 教育应回归育人本质：发现人的独特性，而非塑造流水线标准品，是未来教育的真正使命。

文字

📱个人认为好用值得分享的插件、APPs（PC）

本篇文章推荐了 7多款我亲测高效、值得长期使用的工具，覆盖笔记整理、文件检索、翻译、截图、PDF 阅读、电子书阅读与AI辅助总结等多个维度： 1. Notion：跨平台笔记管理神器，云同步、不卡顿，适合做系统性知识整理。 2. Everything：超快的本地文件搜索工具，效率远胜系统自带搜索。 3. 有道翻译：不仅支持划词、截图翻译，还具备出色的OCR功能，适合重度阅读场景。 4. Snipaste：可将截图“钉”在屏幕上，是阅读论文、比对公式的绝佳利器。 5. UPDF：PDF阅读+批注+云同步，阅读论文与做读书笔记两不误。 6. NeatReader：epub 电子书阅读好帮手，简洁无广告，支持批注。 7. Glarity：基于 ChatGPT 的网页内容总结工具，可快速提取 YouTube 视频、网页、PDF 的关键信息，还能辅助翻译和提问。

❤️在终点之前，请先活一次

这是一篇关于成长与意义的随笔。它反思了内卷与奔跑的代价，提醒我们别只盯着终点，而要学会在途中停下脚步，看一次风景，留一寸柔软，保有情感与温度。成长，不只是速度与曲线，更是过程与感受。

文字

推荐

思考

少有人不可替代：从自我困境到突破之路

过度在意他人只会让自己困在无形的枷锁里。人生不是唯一解的数学题，而是充满可能的 NP 难题。努力重要，但更重要的是扬长避短，找到属于自己的道路，去消除那些所谓的“负面效果”。

文字

思考

Weapons of Math Destruction 阅读笔记

这本书由前华尔街数据科学家 Cathy O’Neil 撰写，通过多个社会领域（教育、招聘、信贷、司法等）的真实案例，揭示了黑箱算法模型如何在无形中加剧社会不平等，并进一步侵蚀民主制度。作者提出“WMD（Weapons of Math Destruction）”概念，指那些具备三大特征的算法系统： • 不透明（Opacity） • 影响广泛（Scale） • 破坏性反馈循环（Damage）这些系统往往将人类的偏见深深地嵌入模型中，对弱势群体的打击尤为严重，使穷人越穷、富人越富，形成数据歧视的死循环。

文字

😶软件工程师大概率是个过渡职业

在最近的对话中，Hinton教授和Ben Mann都提出了关于软件工程师未来角色的重要观点，认为随着人工智能的迅速发展，软件工程师这一职业可能不会像医生、法官或会计那样持久存在。

文字

推荐

Anthropic co-founder: AGI predictions, leaving OpenAI, what keeps him up at night | Ben Mann

本视频采访了Anthropic的联合创始人Ben Mann，讨论了多项关于人工智能（AI）及其安全性、经济影响的议题。Ben提到，超智能（AGI）可能在2028年左右实现，而AI的进步并没有减缓，反而加速了。他离开OpenAI创立Anthropic的原因是觉得在OpenAI中AI安全问题没有得到足够重视，尤其是在超智能的对齐问题上。Ben分享了自己对AI带来失业率上升、经济结构变化的看法，并指出AI将重塑社会及职场，并对未来的人类角色提出了重要的思考。他还提供了未来AI时代中如何应对职业变动的建议，强调“使用工具”的重要性，并关注对孩子的教育，特别是好奇心和创造力的培养。 Highlights • 🤖 超智能的到来： Ben预计超智能（AGI）将在2028年左右到来，超智能的对齐问题至关重要，可能会影响整个人类社会。 • 🔍 离开OpenAI的原因： Ben与团队离开OpenAI是因为认为AI安全未得到充分重视，尤其是如何“把上帝关进盒子”这一超智能控制问题。 • 📉 AI对就业的影响： AI的发展可能会导致失业率上升，尤其是低技能职位会遭到取代。社会需要应对这些变化，并提前规划过渡期。 • 📈 AI加速进步： Ben强调AI的进步没有减缓，模型发布频率逐渐加快，每月或每季度更新一次，而不是像过去那样一年一次。 • 💼 AI与工作：他提出“经济图灵测试”的概念，表示AI如果能取代一定比例的工作，将对全球经济产生深远影响。 • 🧑‍💻 未来职业建议： Ben建议使用AI工具的能力至关重要，尤其是能够灵活调整与AI交互方式，提高工作效率和创造力。 • 👶 教育与未来：对孩子的教育需要强调好奇心、创造力和善良，这些素质将帮助他们在未来的AI时代中获得成功。

推荐

思考