@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
@0xMortyx:Andrej Karpathy 在一小时内揭示他实际如何使用 AI:“我只是用简单的话告诉机器我想要什么”……
Andrej Karpathy 分享了他与 AI 合作的直截了当的方法,强调用平实的语言而非复杂的提示工程,并预测到 2026 年,轻视 LLM 的工程师将输给能有效配置 LLM 的初级工程师。
@DeRonin_: 这个长达两小时的安德烈·卡帕西讲座,关于如何使用LLM,教给你的东西比大多数AI推特账号能弄明白的要多得多……不……
安德烈·卡帕西的讲座揭示了一种“LLM Wiki”模式,能将过往内容转化为一个自我更新的知识库,帮助创作者发现自身写作中的模式。
@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。
@scion_x_: Yann LeCun 可能会赢得关于AI的科学辩论。但这根本不重要。总结只需两行…
这篇文章认为,虽然Yann LeCun在科学上可能是正确的——LLM缺乏真正的智能,但它们的实际效用意味着它们已经在市场上获胜。
@rohanpaul_ai: Yann LeCun 表示,LLM 在价值或投资上并非泡沫——它们将驱动许多实际应用并证明当前基础设施投资的合理性。
Yann LeCun 认为,LLM 在价值或投资上并非泡沫,因为它们将推动许多实际应用并证明当前基础设施支出的合理性;真正的泡沫在于假设 LLM 能够实现人类级别的思考。