其实字节就是在践行遗传算法，遗传算法就是只筛选，不培养。
这种做法很有效，只要控制好成本，外加人源源不断进来做耗材，就能不断试错。
为什么企业拒绝培养员工，因为提升专业技能，提升员工技能，第一，在剧烈变化的市场，经验已经没啥用了，第二，培养太慢了，太低效了。
–为什么字节跳动认为人是不可以被培养的？

对创业而言，技术不是用来赚钱的，而是用来省钱的。
目前是轻资本创业时代。
不管做什么，花两年时间来琢磨，就一定能赚钱，至少温饱无忧。
–互联网人 35 岁之后转行去哪些行业比较好呢？ - 当时明月在的回答

为什么躺平的人这么少呢？
因为，你躺平了就起不来了！
–存够多少钱可以不上班呢？

如果你一生只看过两部电影，那么你很可能会认为这两部电影都相当不错。
但如果你看过一千部电影，你就会真正知道如何分辨优秀电影。这就是为什么多看可以提高辨别力。
– 《提升品味以打造更好的产品》

一个人千万不能习惯于舒适，因为久而久之，一点点的不适都会变得难以忍受。
– gabe.rocks

模型能力提升的放缓

From：200 美元的 ChatGPT Pro 正式上线，聪明 N 倍的新模型草莓 Strawberry 要来了。

基于新范式 Self-play RL 所做的，在数学、代码能力上强到爆炸、且具备自主为用户执行浏览器/系统操作级别的新模型。
更智能、更慢、更贵。
这就像是一个学生，一开始通过不断地背书确实能提高成绩，但到了一定程度后，已经没啥书可以背了了，而且成绩也到了上限，再怎么死记硬背也很难有大的进步了，这也是如今的困境。
再靠大力出奇迹，模型的能力已经快上不去了。
因为本质上，所有的大模型训练，几乎都是人类已有知识的极致利用，我们给出数据、给出人类反馈数据或者标注数据等等，你会发现，大模型不是通过自我探索去“发现”语言的规律，而是直接从我们给出的内容中提取有用的信息。
这就像是一个学生，一开始通过不断地背书确实能提高成绩，但到了一定程度后，已经没啥书可以背了了，而且成绩也到了上限，再怎么死记硬背也很难有大的进步了，这也是如今的困境。
一个是，现有的知识的量级，已经不够了。
另一个点是，所有的知识都是拿现成的直接背出来的，不是自己从 0 开始探索的，所以大模型在这个过程中，学到的全是相关性，而不是因果性。
相关性和因果性这两个词解释起来非常简单。
相关性：如果你发现每次你带伞，天都会下雨，这就是相关性。伞和下雨看起来是相关的，但实际上带伞并不会导致下雨。
因果性：下雨了你才带伞，这是因果性，因为下雨导致了你带伞。

数学和代码，是非常好验证的，在 Self-play 里，可以给出明确的结果的，数学就不说了，代码，你能不能跑起来不就能验证了，对吧。

Weekly Summary

#每周总结

weekly-summary-20240922 上一篇

ECharts的布局与定位下一篇