@AnatoliKopadze:Karpathy 刚刚表示,不使用 LLM 的人已经输在了起跑线上。他花了 4 分钟解释为什么聪明人仍会落后……
摘要
文章探讨了 Andrej Karpathy 的观点,即在人工智能领域,真正的优势在于有效利用而非仅仅拥有访问权限,凸显了技能差距:大多数用户未能将 LLM 的应用超越基础任务。
Karpathy 刚刚表示,不使用 LLM 的人已经输在了起跑线上。他花了 4 分钟解释为什么聪明人仍会落后。这不仅包括拒绝 AI 的人,还包括那些认为注册了 Claude 就等于在使用它的人。目前大多数人的使用场景如下:
> 让 Claude 重写一封邮件
> 让 Claude 总结某段内容
> 关掉标签页
那并不是在驾驭 Claude。那只是每月花 20 美元买了一个拼写检查工具。Karpathy 的观点并非强调 LLM 很强大。每个人都清楚这一点。他的观点是,知道如何使用它们才是真正的技能差距,而大多数人远远未能弥补这一差距。Claude 可以是你的研究分析师、写作编辑、薪资谈判教练、财务审查员,甚至是 30 天课程大纲制定者。所有这些都包含在你每月 20 美元的订阅服务中。就在此刻。就在今天。
大多数人看到这条推文后会表示赞同,然后回去继续让 Claude 修改句子。下方的文章涵盖了涵盖你生活各个方面的 20 个提示词。这不是什么生产力小技巧,而是真正能改变你工作方式和思维方式的实际用例。瓶颈不在于模型本身,而在于你知道该问什么。
相似文章
@Mnilax:Karpathy 向每一位仍将大语言模型视为玩具的高级工程师投掷了“手榴弹”。他的原话是:专家现在能做的最糟糕的事情就是拒绝使用它们。
本文探讨了 Andrej Karpathy 关于如何在承认大语言模型认知缺陷的同时有效利用它们的建议,重点介绍了一个案例研究,其中通过自定义配置(CLAUDE.md)显著降低了错误率。
@runes_leo: Karpathy 4/30 在 Sequoia Ascent 把今年最有用的 AI 解释,压缩成三个论点。读完你看 AI 的方式会变。 1. AI 不只是"更快",是新范式 过去 2 年大家都在讲 AI 让事情变快。 Karpathy 说…
本文总结了Karpathy在Sequoia Ascent大会上的核心观点,指出AI是重塑任务流的新范式而非单纯加速工具,通过可验证性与经济价值划分了模型能力的“参差不齐边界”,并预言未来软件将演变为以LLM为逻辑层、传统代码为传感器/执行器的智能体原生架构。
@karpathy: 大约一周前在红杉资本Ascent 2026上的炉边谈话。一些亮点:我试图强调的第一个主题是LLMs…
安德烈·卡帕西在红杉资本Ascent 2026上的谈话摘要,重点介绍了三个主题:LLMs在速度提升之外开拓的新领域(例如原生图像处理、.md脚本、非结构化知识库)、模型能力'参差不齐'背后的经济学,以及智能体原生经济的崛起。
引用布莱恩·坎特里尔
布莱恩·坎特里尔批评LLM缺乏人类懒惰带来的优化约束,认为LLM会不必要地使系统复杂化而非改进,并强调人类时间限制推动了高效抽象的发展。
@phosphenq:Andrej Karpathy 这段 2 小时视频,比今年你刷过的所有 AI 教程加起来还管用
OpenAI 联合创始人 Andrej Karpathy 发布了一段 2 小时教学视频,承诺让观众大幅提升大语言模型的实战能力。