The output of LLMs is like crude oil: abundant, unrefined, and waiting for the right systems to turn it into energy.
分享一个我想出来的小比喻（推特上有字数限制）
我们可以把人类文明的发展比喻成一段不断向右延申的线段，每次的科技革命工业革命都会让这个线段快速向右移动，我们现在的学习是站在前人的肩膀上学习，我们要先把之前的线段走完，再根据自己的理解延长线段（但很显然速度很慢，因为学习和理解知识是有成本的），现在llm出现了，llm在从线段的左端点快速的向右进发，但他还没有到达右端点，很多人在ai时代会有种被替代的恐慌，有些人就会自己疯狂的学习想向右移动的快一些（把自己的行业壁垒筑高一些），但我认为我不能这样做，我认为我最应该做的是向左迎接llm，向左走（其实构建一段优质promote的过程就是分别把靠近线段的左端点和右端点的内容输出出来让llm来做中间的填充），我们应该做一些工作来迎接llm（做好vertical agent架构设计，优化ai训练方式，并在交互过程中强化自己的大脑，培养高context适配性，让自己的大脑基于以往所有的交互（包括与llm的交互，与物理世界现实实验的交互）构成的context进行context迭代），当我们与ai在线段上碰面时（或许那就是AGI时刻），我们或许可以和ai一起向线段的右端”跑“，这个时候线段的延长速度会比以前快很多，人类文明的发展也会进入新的阶段。
分享一个我想出来的小比喻（推特上有字数限制）
我们可以把人类文明的发展比喻成一段不断向右延申的线段，每次的科技革命工业革命都会让这个线段快速向右移动，我们现在的学习是站在前人的肩膀上学习，我们要先把之前的线段走完，再根据自己的理解延长线段（但很显然速度很慢，因为学习和理解知识是有成本的），现在llm出现了，llm在从线段的左端点快速的向右进发，但他还没有到达右端点，很多人在ai时代会有种被替代的恐慌，有些人就会自己疯狂的学习想向右移动的快一些（把自己的行业壁垒筑高一些），但我认为我不能这样做，我认为我最应该做的是向左迎接llm，向左走（其实构建一段优质promote的过程就是分别把靠近线段的左端点和右端点的内容输出出来让llm来做中间的填充），我们应该做一些工作来迎接llm（做好vertical agent架构设计，优化ai训练方式，并在交互过程中强化自己的大脑，培养高context适配性，让自己的大脑基于以往所有的交互（包括与llm的交互，与物理世界现实实验的交互）构成的context进行context迭代），当我们与ai在线段上碰面时（或许那就是AGI时刻），我们或许可以和ai一起向线段的右端”跑“，这个时候线段的延长速度会比以前快很多，人类文明的发展也会进入新的阶段。