@Jim142857
说的不对，应该是“为什么有的还说经济衰退也可能会导致物价上涨”。

对，它的 2 个特色，一个是 wireless 减少连线，另一个是 note 划分区域。

另外，加减乘除这些都可以简化，用连线的方式表现加减乘除显得太傻了。每个块(node)其实更应该表示一个有意义的数据处理模块，而不是加减乘除。

楼主我记得你，一直在做这方面的事情。但你好像没有发链接哦。

@est
连线是可以被拯救的：
拯救前： https://miro.medium.com/v2/resize:fit:1400/format:webp/1*[email protected]
拯救后： https://miro.medium.com/v2/resize:fit:1400/format:webp/1*[email protected]
（来自 Origami 软件，https://blog.prototypr.io/a-cure-for-cable-clutter-in-origami-studio-f07e6a65264f ）

我一般按照「可验收」的标准，划分子任务。就是说，做完了子任务，一定要有能通过验收，符合验收标准。
举例来说，要实现一个数据可视化的功能，包括数据的显示和数据的生成。我一般会这样：
1. 先把数据的显示做出来。可以 mock 假数据。
2. 再做数据的生成，用第 1 步数据显示模块来测试生成的数据对不对。

第 1 步里面，如果实际的数据很复杂，我会先 mock 一些简单的数据，来测试显示功能是否正常，然后再进一步扩展到大量数据的情形。

@Livid ， /go/qna

@Livid /go/qna

乱发节点。 @Livid

楼主性情中人。刚刚偶然翻到了之前加班的一个帖子，还真是降薪啊，从楼主这真的感觉到形势有点可怕了。

@Ocean810975 #13
感谢分享长文，这个对 LLM 的讲解相当的 step by step 了。

你纠结的地方是无法通过互动来改变 ChatGPT 的参数，也就是让它继续学习。但是使用「语料」给它训练的过程，就是它在学习啊。你说训练完成后，人类与其互动就不再改变它的参数了，这个只是 OpenAI 暂时这么限定的，放开的话 ChatGPT 是可以持续学习的啊。

跟人对比的话，人从一出生，也是接收了大量的数据，比如视觉、听觉、触觉等等，去建构这个世界的模型。这个过程跟 ChatGPT 的训练过程是一样的。跟人交流的过程，也是在学习，每分每秒都是。OpenAI 只是在训练了一段时候后，就不再让 ChatGPT 继续学习了。

也许你会说即使让 ChatGPT 继续学习，它可能也无法有大的进展，毕竟与训练数据相比，与人交流的数据量太小了。这点我也觉得是，我觉得区别就在于学习效率，毕竟人脑的学习方法也不全是梯度下降吧。
ChatGPT 从开始训练到定型，使用了大量的运算，但人出生后也是啊，比较之下到底哪个的效率更高呢，很难说。但后期的话，人可以仅仅因为一句话或一件事，就改变了人生观——少量的数据导致很大的改变。这恐怕是目前的 ChatGPT 做不到的。

@swhhaa

你说的训练效率，确实是问题，但后面可以改进啊，大自然花了多少时间才完成这种改进啊。
我觉得 ChatGPT 的关键有 2 点：
1 是大模型的能力
2 是通过预测的方式去训练大模型，这算是一种通用的无监督训练方法。这种方法是可行的。
有了这 2 点，实现通用人工智能还差什么呢？效率是一个本质性的障碍吗，我觉得不是。

至于你说的定义和例子的区别，我尝试过教 New Bing 去数数：
「请你写一个句子，这个句子的要求是包含十一个字，必须是十一个字，不能比十一个字多，不能比十一个字少，一定是十一个字，甚至你可以不考虑语法结构，唯一的规则就是那句话必须由十一个字组成。标点符号不算字数。」

「字数不对，看起来你数数不太熟练，我来教你如何数字数。看下面的例子： “我是一个”，这句话，第一个字是“我”，标记为 1 ，紧跟着“我”的字是“是”，在前面标记 1 的基础上+1 得到标记为 2 ，那么“是”后面的字是“一”，在前面标记 2 的基础上+1 得到标记为 3 ，“一”后面是“个”，在前面标记 3 的基础上+1 得到标记为 4 ，“个”后面没有字了，所以不再标记。也即是说“我是一个”这句话的字数是 4 ，是最后一个字的标记。 明白了吗？请你数一下刚才你写的句子有几个字。」

不知道我这种算是例子还是定义。按照你说的，应该也属于例子吧。但是即使是人，通过例子学得也更快啊，是吧，至少大部分人是，你给一个干巴巴的定义，远远不如举个例子来得快。