@Austen: “更通用的模型总是比更特定的模型表现更好。” 什么？

X AI KOLs Following 2026/09/29 13:46 新闻

ai-generalization model-training fine-tuning anthropic claude tech-discussion

摘要

Anthropic的Boris Cherny声称，通用AI模型总是优于特定模型，并建议不要进行微调或使用小型模型。

“更通用的模型总是比更特定的模型表现更好。” 什么？

查看原文

查看缓存全文

缓存时间: 2026/09/29 21:55

更通用的模型总会胜过更专用的模型。

啊？

Rohan Paul (@rohanpaul_ai):
Anthropic 的 Claude Code 创建者 Boris Cherny 表示：“更通用的模型总会胜过更专用的模型。别试图用小型模型处理任务。别尝试微调。别费心做这类事。某些应用场景确实存在，某些理由也确实成立——”

相似文章

X AI KOLs Timeline

Boris Cherny，Claude Code在Anthropic的创作者，建议优先选择通用AI模型而非具体模型，指出脚手架改进往往是临时的，并会被新模型取代。

X AI KOLs Following

本文探讨了为什么更大的模型性能优于较小的模型，通过形式化分析和实验将其归因于数据引发的神经资源竞争。

X AI KOLs Timeline

Maxime Rivest 认为，自动化微调是不可避免的趋势，通用模型与专用模型将长期共存。他指出，类似 Jev 的通用模型可能有助于解决训练专用模型时的冷启动数据问题。该帖子引用了一条开源发布的消息：某个微调后的评分（judge）模型表现优于 Jev 和 DeepSeek-V4.1-Flash。

X AI KOLs Following

这篇文章讨论了斯坦福 NLP 的 Jing Huang 在 Summer of Data 活动中的演讲，解释了更大的 AI 模型由于任务干扰和更大的容量而能更好地保留稀有技能。

X AI KOLs Timeline

乌克兰军事经验表明，前沿模型能力只是军事AI优势的一个因素；压缩、分发、适应以及在战斗条件下的韧性这一完整系统同样重要。