大模型，何时迎来大转折？

　　“真正的变革是，什么时间点有一个模型可以把错误率降低到个位数(shù)。”

　　在经历了上半年密(mì)集的技术和(hé)产品发布后，下半年的AI圈显(xiǎn)得有些平静，不再有如Sora这样引发轰动的产品，在GPT-4o之后，行业引领者OpenAI也迟迟没有(yǒu)大动作。不少行业人士认为，技术的迭代放缓了(le)。

　　在亚布力企业家夏季(jì)年会上，猎豹移动董事长傅(fù)盛提出一个观(guān)点，AI浪潮(cháo)已(yǐ)出现泡沫迹象，从大模型出现在大众视野以来(lái)，已(yǐ)过(guò)去近一年的时间(jiān)，但最顶级大模型的模型没有(yǒu)明显提升。“客观来说，谁(shuí)家大模型有什(shén)么优势，基(jī)本尚(shàng)属(shǔ)‘一家之言’，用(yòng)户(hù)用起来没有感(gǎn)觉到太大差别(bié)。”他认为，当前大模型同质化严重。

　　在与MiniMax创(chuàng)始人闫俊杰的交(jiāo)流中(zhōng)，关(guān)于瓶(píng)颈与转折点他提到，现在
所有(yǒu)模(mó)型错误率都 是(shì)20%的量级，“真正的变革是，什么时间点有一个(gè)模型可以把错误率降低到个位数，这会是一(yī)个非常本质的变化(huà)。”未来大模型能(néng)否成功，傅(fù)盛也认(rèn)为，大模型(xíng)的天花板(bǎn)能否再上一个台阶很重要。

　　“至暗时刻(kè)觉(jué)得技术很(hěn)重要”

　　这(zhè)一轮的生成(chéng)式AI是一场掀起巨大
浪潮的社会生产力革命，傅盛(shèng)认(rèn)为
，这波(bō)浪潮今天已经呈现出明(míng)显的泡沫迹象。

　　何 为(wèi)“泡沫(mò)”，傅盛认(rèn)为，一方(fāng)面是(shì)模型能力没有明显提升。“在一个(gè)以科技为核心的技术浪潮中，这
是不太正常的。”每次写不同的东西，傅盛都会用好几个大模型互相(xiāng)比较(jiào)，“有(yǒu)时候这个大模型更好用，有时那个(gè)更好用(yòng)，当前大模型的(de)同质化很严重。”

　　其次，说了这么久人工智(zhì)能，“但真正的Killer APP（杀手(shǒu)级应用）并没有出现，不仅(jǐn)在C端没有出现，B端也未能出现。很多行业大模型都说自己(jǐ)有不少应用，但真正提效的并不多。”傅盛说(shuō)，想要将大模型真正变成一个明显能提效的应用(yòng)，还很(hěn)有难度。

　　泼了盆冷水的同时，傅盛补
充表
示，泡沫不见得会使大模型发展崩(bēng)塌，因为有点泡沫很正常，互联网早期也曾出现(xiàn)泡沫。

　　在今年6月演讲时，金沙江创投主管合伙人朱啸虎曾(céng)谈(tán)及GPT-5一直“跳票”时
表示，“硅谷也高度怀疑GPT-5还有没有，即使出来在核心推理能力上还 有没(méi)有
显著(zhù)的(de)提(tí)高，这是很不(bù)确定(dìng)的东西，今年年底是一(yī)个验(yàn)金石。”他判断，大模型演化速度(dù)有放缓(huǎn)趋势，而迭代曲线放缓以后，应(yīng)用层的机会就会
更多。

　　不过，在波形(xíng)智能创始人姜昱辰看来，大模型技术迭代(dài)其实并(bìng)没有 放缓，而是保持着2018年以来的增速(sù)，那一年基于Transformer架构的大规模语言模型预训练开始流行。从博士(shì)的(de)自然语言(yán)处(chù)理研究到大模型创业，姜昱辰(chén)更早开始经历这轮大模型技术演化的进程。

　　“大家之所以有这样的感觉（技术迭代放缓）是因为大(dà)众是在2022年底、2023年初第(dì)一次看到这个技术，做了很多短时间(jiān)的(de)learning和追赶，追赶(gǎn)当然比(bǐ)较快。”姜昱辰(chén)对第一财经(jīng)表(biǎo)示，把OpenAI做出来的技术学一(yī)遍，不叫“技术迭代”。

　　虽然行业此前有(yǒu)一句“没有应用的大模型(xíng)一文不值”广为传播，但在
很多从业者看来，大(dà)模型的技术同样重要，因为更好的应用一定建立在更好的技术之上，技术和应用是一个相互转化的串联(lián)关系。

　　在MiniMax刚(gāng)刚过去的伙伴日活动(dòng)上，闫俊杰在讨论中提(tí)到，“至暗时刻会觉(jué)得技(jì)术很重要。”

　　很多时候做技术时(shí)，并没有真正意识到(dào)技术为什么重要。闫(yán)俊杰(jié)举例表示，用户(hù)感受(shòu)到(dào)的东西可能来自于一些产品细(xì)节，或者一些品牌，技术本身是好(hǎo)多个环节(jié)在一(yī)起，尤其在繁(fán)荣时(shí)期，可(kě)能分不清什么是主(zhǔ)，什么是次，“当
在某些时间点遇到瓶(píng)颈的时候，抛开所(suǒ)有的表象东西(xī)，会(huì)意识到技术才是最终提升的(de)来源。”

　　“技术做不好的时(shí)候，发现所有东西都是问题，当技术做好了，似乎所有问题都被掩(yǎn)盖了，”闫俊杰表示，技术(shù)是(shì)一(yī)家(jiā)科技公司最核心的要素这件事，尽管已(yǐ)深刻意识(shí)到，偶 尔(ěr)还是在继续犯错误，“这(zhè)个(gè)是我在多次至(zhì)暗时刻里最(zuì)有共性的一(yī)件事(shì)。”

　　做技术也是一件非常奢侈的事，“如果看一眼我们每个月的账(zhàng)单还是会非(fēi)常心(xīn)疼的。”在采(cǎi)访中，说到这话时，闫(yán)俊杰几次看向了MiniMax技术总(zǒng)监韩景涛，也
就是(shì)“账单的制造者”。

　　因为做技术可能会失败，研发投入很大，闫俊杰此前很多时候会想要不要(yào)走点捷径，但实践 经验会证明，走捷径(jìng)就会被“打脸”，“这个事在我这发(fā)生可能超过(guò)十次了。”

　　“一
个东西要实验三次才能成功，第(dì)三次实验成(chéng)功的(de)时候，会想前面两次是不是可以不用做，就像吃包子吃三个会吃饱，就会想是
不是前两(liǎng)个不用(yòng)吃(chī)是一样的。”闫俊杰表示(shì)，这是做技术时一个比较容易犯的错误。

　　在各(gè)种关于模型技术细节的排行榜上，或许GPT-4o的(de)跑分(fēn)不(bù)常出(chū)现在第一，甚至(zhì)会(huì)在中(zhōng)间，但在MiniMax基于真实(shí)客户的测试集中，OpenAI的GPT-4o是遥遥领先的。

　　在大模型时代，如何(hé)判断技术的好坏，大众很迷惑，企(qǐ)业同样觉得很难，但(dàn)这个点很重要，因为(wèi)技术的评价标准(zhǔn)会决定(dìng)模型的迭代方向，如果指(zhǐ)标本身不(bù)对迭代方向(xiàng)可能就错了。

　　闫俊杰(jié)提到，MiniMax目前(qián)的一个办法是，基于MiniMax开发平台的3万(wàn)多个开发者和付大模型，何时迎来大转折？费客户，在他们的场景(jǐng)上构建(jiàn)一个真实使用的测试集，有些客户对(duì)他们的场景非常看重，要(yào)求保证产品(pǐn)的效果，基于(yú)这些客户真实(shí)使用的(de)评测是较为客观的。

　　“这个测试集上所(suǒ)有国产化模型相比GPT-4o都相差较多，其他排行榜基本上GPT-4o都要排(pái)到中间去了，但是在我们的排行榜上确(què)实GPT-4o排在最靠前。”闫俊杰提到，国内所有模型都与GPT-4o有本质的差距，且越难的 问题差距(jù)越大(dà)。按照这个评估方式，国产模型(xíng)的提升 空间还很(hěn)大(dà)。

　　静待(dài)下一转折点

　　大模(mó)型的(de)下一个转折点在哪里？众多创业者有不同的答案，有人认为是错误率的降低，有(yǒu)人觉得是个性化的模型，有(yǒu)人认为关键在于小算(suàn)力训练出大模型，背后或许意味着架构
的改进。

　　朱啸虎曾(céng)提到，今年的大模型本身还是有很(hěn)多错误，且出来的结果不可(kě)控，今天落地最(zuì)困难(nán)的是，场景下怎么(me)解决错误问题、可控问(wèn)题。

　　现在所有的模(mó)型错误率都在20%左右(yòu)，即两位数的错误率，有时惊艳，有时不靠谱，闫俊杰(jié)认为，这也(yě)是制约模型处 理复(fù)杂任务的原(yuán)因，“真正的变革是，什么时间点有一个模型可以将错误率降低(dī)到个位数。”这是能增加用户使用(yòng)深度的核心手段。

　　复杂任(rèn)务往往
需要多个步(bù)骤“相乘”，较高的错误率导致失败率的指数(shù)增加。闫俊杰表示，即便是GPT-4这样的(de)模型也无法(fǎ)支(zhī)持非(fēi)常灵活的(de)Agent（智能体），这并不是因(yīn)为Agent框架(jià)写得不够好(hǎo)，产品做得不 好，最根(gēn)本的 原因是(shì)模型本身不够好。

　　但现在可以看到的是，每家公司(sī)有了(le)算力，无论是OpenAI、谷歌还是Meta，都在加码算力。Meta CEO扎(zhā)克伯格曾在社交媒体上表示，要建立一个大规模的计算基础设施，到2024年底，这(zhè)一设施将包(bāo)括35万张(zhāng)英伟达H100显卡，业界(jiè)预估
这或(huò)许将耗费近百(bǎi)亿(yì)美元。

　　算法也在(zài)进步，OpenAI在(zài)2023年只能做出来GPT-4，但2024年能做GPT-4o，虽然性能差不多，速(sù)度(dù)快了近10倍。

　　“计算量多(duō)了(le)不止10倍，算法也快了10倍时，没有道(dào)理说训练不出来一(yī)个更好(hǎo)的(de)模型。”闫俊杰提到，“如(rú)果Scaling law（尺度定律）是对的，未(wèi)来这个模型一(yī)定会出(chū)现，标(biāo)志就是 个(gè)位数(shù)的错误率。”

　　在傅盛(shèng)看来，降低错误(wù)率同样重要。“今天的大模(mó)型(xíng)有20%-30%的知识幻觉，而且(qiě)‘它不知道自己不知道’，这是在企业应用上非常重要的一大卡点。”想要真正落地一个应
用，得(dé)用大量工程化(huà)的手(shǒu)段去(qù)解决以前(qián)通用(yòng)人(rén)工智能(néng)认为(wèi)它能(néng)干的活，这中间是有 差距(jù)的。

　　问及大模型技术的下一个转折点，姜昱辰给了一个不一样的答案，她认为是“个性化”的技术。

　　“ToB的创(chuàng)业者会觉得错误率降低很重要(yào)，因为企(qǐ)业级、工业级(jí)场(chǎng)景中要的是极高准(zhǔn)确率，而在(zài)消费场景中(zhōng)，要的(de)是‘懂你(nǐ)’的个人助手。因此，对ToC创业者
来(lái)说，个性(xìng)化技术更重(zhòng)要。”对于不同的答案，姜(jiāng)昱辰解(jiě)释，ToB和ToC不同的场景下会有不同的感知。

　　从难度上(shàng)来说，大模型幻(huàn)觉是概率模型固有的，不容易解决，但个性化大(dà)模型确实(shí)是技术层面可行(xíng)的。姜昱辰(chén)提到，波形智能目前在做的(de)是这个方向(xiàng)，主要的难点是(shì)算法(fǎ)，中间需要知道的是，这样的个性化生成式模型(xíng)需(xū)要什么用户信息，如何用于(yú)模型自进化。

　　深思考创始人杨志明则认为，下一个转折点是(shì)，如何利用小算力训练出大模型(xíng)、做好大模(mó)型的推理，在这背后，当下主流的Transformer架构需要堆(duī)积算力，“性价比太低”。架构的(de)改进或许是(shì)重要(yào)的方向。

　　值得期待的是，近日有消息称，OpenAI将在今年秋天推出代号为“草莓”（Strawberry）的新模型。作为核心技术突破，草莓可能集成在ChatGPT内(nèi)，帮助解决 当前AI聊天机(jī)器人难(nán)以完成的(de)复杂任务，如数学(xué)和编程问题。此外，草莓更会“思考”，在解决强主观(guān)性问题(tí)上更擅长。

　　“草莓”是前菜，消息人士透(tòu)露，OpenAI正在开发下一代大型语言模型 Orion（猎户(hù)座），草莓(méi)将为其生成
高质量训练数据，以帮助减少大模型(xíng)幻觉问题。能否突破瓶颈，带领行业进入(rù)下一(yī)转折点，最大的可能性还在OpenAI。

责任编辑：刘万里 SF014

“真正的变革是，什么时间点(diǎn)有(yǒu)一个模型可以把错误率降低到个位数。”

在经历了上半年密(mì)集的(de)技术和产品发(fā)布后，下半年的(de)AI圈显得有些平静，不再有如Sora这样引发轰动(dòng)的产品(pǐn)，在GPT-4o之后，行业引(yǐn)领者OpenAI也迟迟没有大动作。不少行(xíng)业人士认(rèn)为，技术的迭代放(fàng)缓了。

在亚布力企业家(jiā)夏季年会上(shàng)，猎豹移动董事长傅盛提(tí)出一个(gè)观点，AI浪潮已出(chū)现泡沫迹象，从大(dà)模型出现在大众视野以来，已过去近一年(nián)的时间，但最顶级大模(mó)型的模型没有明显提升。“客观来说，谁家(jiā)大模型有什么优势，基 本尚属‘一家之言’，用户用起来没(méi)有感觉(jué)到太大差别。”他认为，当前大模型(xíng)同(tóng)质(zhì)化(huà)严重。

在与MiniMax创(chuàng)始人闫俊(jùn)杰的交流中(zhōng)，关于瓶颈与转折(zhé)点他提到，现在所有模型错误(wù)率都是20%的(de)量(liàng)级，“真正的(de)变革是
，什么时间点(diǎn)有一个(gè)模型可以把错误率降(jiàng)低到
个位数，这会是一个非常本质的变化。”未(wèi)来(lái)大模(mó)型能否成功，傅盛也认为，大模型(xíng)的天(tiān)花板能否再上一个台阶(jiē)很重要。

“至暗时刻(kè)觉得(dé)技术很重要”

这一轮的生成(chéng)式AI是一场掀起巨大浪潮的社会生产(chǎn)力(lì)革命，傅(fù)盛(shèng)认为(wèi)，这波浪(làng)潮今(jīn)天已经呈(chéng)现(xiàn)出明显的(de)泡沫迹(jì)象。

何为“泡沫”，傅盛(shèng)认为，一方面是模型能力没(méi)有明显提升(shēng)。“在一个(gè)以科(kē)技为核心的(de)技术浪潮中，这是不太正常的。”每次(cì)写不 同的东西，傅盛都会用好几个(gè)大(dà)模(mó)型互相(xiāng)比较，“有时候这个大模型更好用(yòng)，有时那个更好用，当前大模型的同质化 很严重。”

其次，说了这么久人工智能，“但真(zhēn)正的(de)Killer APP（杀手级应(yīng)用）并没有出现(xiàn)，不(bù)仅在C端没有出现，B端也未能出现。很多行(xíng)业大模(mó)型都说自己有不少应用，但真正(zhèng)提效的并不多。”傅盛说，想要将大模(mó)型(xíng)真正变成一(yī)个明显能提效的应用，还很有难度。

泼了(le)盆冷水的同时，傅盛补充表示，泡沫不见得会使大模型发展(zhǎn)崩塌(tā)，因(yīn)为有(yǒu)点(diǎn)泡沫(mò)很正常，互(hù)联(lián)网早期也(yě)曾出现(xiàn)泡沫(mò)。

在(zài)今年6月演讲时，金沙江创投主管合(hé)伙人朱啸虎曾谈及GPT-5一(yī)直“跳(tiào)票”时表示，“硅谷(gǔ)也高度怀疑GPT-5还(hái)有没有，即使出来在核(hé)心推理能力上还有没(méi)有显著的(de)提高(gāo)，这是很不确(què)定的(de)东西，今年年底是一个验金石。”他判断，大模型演化(huà)速度有放缓趋(qū)势，而迭代曲线放(fàng)缓以后，应用层的机会就会更多。

不过，在波形智能创始人姜昱辰看来，大模型技术迭代其(qí)实并没有放(fàng)缓，而是保持着2018年以来的增速，那一年基于Transformer架构的大规模语言模型预训练开(kāi)始流行。从博士的自然语言处理研(yán)究到大模型创业，姜昱辰更早(zǎo)开始经历这轮大(dà)模型技(jì)术演化的进程。

“大家之所以(yǐ)有这样的感觉（技术迭代放(fàng)缓）是因为(wèi)大众是在2022年底、2023年初第(dì)一次看(kàn)到这个技术，做了很多短时间的learning和(hé)追赶，追赶(gǎn)当然比较(jiào)快。”姜(jiāng)昱(yù)辰对第一财经表示，把(bǎ)OpenAI做出来的技术学一遍，不叫“技术迭代”。

虽然行业(yè)此前有一句“没有应用的(de)大模型一文不值”广为传播，但在(zài)很多从业者看来，大模型的技术同样(yàng)重要，因(yīn)为(wèi)更好的应用一定(dìng)建立在更好 的技术之上，技术和应用是一个相互转化(huà)的串联(lián)关系(xì)。

在MiniMax刚(gāng)刚过去(qù)的伙伴日活动(dòng)上，闫俊(jùn)杰在讨(tǎo)论中提到，“至暗时刻(kè)会觉得技术很重要。”

很多时候做(zuò)技术时，并没(méi)有真正意识到技术为什么重要(yào)。闫俊杰(jié)举例表示，用户感受到的东西可能来自于(yú)一些(xiē)产(chǎn)品细(xì)节，或者一些品 牌(pái)，技术本身是好多(duō)个环节在一起，尤其在繁荣时期(qī)，可能分不清什么是主，什(shén)么是次，“当在某些时间点(diǎn)遇到瓶颈的时候，抛开所有的表象东西，会意(yì)识 到技术才是最终提(tí)升的来源。”

“技术(shù)做不好的时候，发现(xiàn)所有(yǒu)东西都是问题(tí)，当技术做好了，似乎所(suǒ)有问题都被掩盖了，”闫(yán)俊(jùn)杰表示，技(jì)术是一家(jiā)科技公司最核心(xīn)的要素(sù)这件(jiàn)事，尽
管(guǎn)已深刻意识到，偶尔还是在继续犯错误，“这个是我在多次至(zhì)暗时刻里最有共(gòng)性的一件事。”

做技术也是一件非常奢侈的事，“如果看一(yī)眼我们每个月的账单还是会非常心疼
的。”在采(cǎi)访中，说到这话时，闫俊杰几次看向了MiniMax技术总监(jiān)韩景涛(tāo)，也就是“账单的制造者”。

因为(wèi)做技术可能会失败
，研发投入很大，闫俊杰此前很多时候 会想(xiǎng)要不要走点捷(jié)径，但(dàn)实践经验会证明，走(zǒu)捷径就会被“打脸”，“这个事(shì)在我这发生可能超过十次了。”

“一(yī)个东西要实(shí)验(yàn)三次才能成功，第(dì)三次实(shí)验成功的时(shí)候，会(huì)想前面(miàn)两次是不是(shì)可以不用做，就像吃包子吃三个(gè)会吃(chī)饱，就会想是不是前两(liǎng)个不用(yòng)吃是一样的。”闫俊杰(jié)表示，这(zhè)是做技术时一个比较容易犯的错误。

在(zài)各种关于模(mó)型技术细节的排行榜上，或许GPT-4o的跑分不常出现在第一，甚至会在中间(jiān)，但(dàn)在MiniMax基于真实客户的测试集中，OpenAI的GPT-4o是(shì)遥遥领先的。

在(zài)大模型时代，如何(hé)判断技术(shù)的好(hǎo)坏，大众很迷惑，企业同样觉得很难，但这个点很重要(yào)，因为技术的评价标准会决定模型的迭代方 向，如果(guǒ)指标本身不对迭代方向可能(néng)就错了。

闫俊杰提到(dào)，MiniMax目前的一个办法是，基于MiniMax开发(fā)平台的(de)3万(wàn)多个开发(fā)者和付费客户，在他们的场
景
上构建(jiàn)一个真(zhēn)实使用的测试集，有些客(kè)户对他们的场(chǎng)景非常看重，要求保证产品的(de)效果，基于这些客户真(zhēn)实使用的评测是较(jiào)为客观的。

“这(zhè)个测试集上所有国(guó)产化模型(xíng)相比(bǐ)GPT-4o都相差(chà)较多，其他排行榜基本上GPT-4o都要排(pái)到中间去了，但(dàn)是在我(wǒ)们的排行榜(bǎng)上确实GPT-4o排在最(zuì)靠前。”闫俊杰提到，国(guó)内所有模型(xíng)都与GPT-4o有本(běn)质的差距，且(qiě)越难的问题差距 越大。按照这个评估方式，国产模型的提(tí)升空间还很大。

静待下一(yī)转折点

大模型的下(xià)一个转折点在哪(nǎ)里？众多创业者有(yǒu)不同的答案，有人认(rèn)为是错误(wù)率的降(jiàng)低，有(yǒu)人觉得是个性化的模型，有人认为关键(jiàn)在(zài)于小算力训练(liàn)出大模型，背后或许意味着架构的改进。

朱啸虎曾提(tí)到，今年的大模型本身还是有很多错误，且出来的结果不可控，今天落地最困难的是，场景下怎么解决错误问题、可控(kòng)问题。

现在所有(yǒu)的模型错
误率都在(zài)20%左(zuǒ)右，即两位数(shù)的(de)错误率，有时惊艳，有时不靠谱，闫俊杰认为，这也是(shì)制(zhì)约(yuē)模型处(chù)理复杂任务的(de)原因，“真正的变革是，什么时间点有一个模型可以将错误(wù)率降低到个位数。”这是能增加用户使用深度的核心手段(duàn)。

复杂任务往往需要多个步骤“相乘”，较高的错误率导致失败率的指数增加。闫俊杰表示，即便是GPT-4这(zhè)样的模型也无法(fǎ)支持非常灵活(huó)的Agent（智能体），这并不是因为Agent框架写得(dé)不够好，产品做得不好，最根本的原因是模型本身不(bù)够好。

但现在可以
看到的是，每家公司有了算(suàn)力，无(wú)论是OpenAI、谷歌还是Meta，都在加码算力(lì)。Meta CEO扎克伯格曾在社交媒(méi)体(tǐ)上 表(biǎo)示，要(yào)建立一个大规模的计(jì)算基础设施，到2024年底，这一(yī)设施将包括(kuò)35万张英(yīng)伟达H100显卡，业(yè)界预(yù)估这或许将耗费近
百亿美元。

算法也在进步，OpenAI在2023年只能做出来GPT-4，但2024年能做GPT-4o，虽(suī)然性能差不多，速度快了近10倍。

“计算量多了不止10倍，算法也快了10倍时，没有道理
说(shuō)训练不出来一(yī)个更好的模(mó)型。”闫俊杰提到(dào)，“如果Scaling law(尺度定(dìng)律)是对的，未来(lái)这个模 型一定会出现(xiàn)，标志就(jiù)是个位数(shù)的错误率。”

在(zài)傅盛看来，降低错误率同(tóng)样重要。“今天的大模型有(yǒu)20%-30%的知识(shí)幻觉(jué)，而且‘它不知道自己不(bù)知道(dào)’，这是在企业应用上非常重要(yào)的一大卡点。”想要真正落地一个应用，得用大量工程化的手段(duàn)去解(jiě)决以前通用人工智能认为它能干的活，这中间是有差距的。

问及大模型技术的下一个转折(zhé)点，姜(jiāng)昱辰给了一个不一样的(de)答案，她认为是(shì)“个性化”的技术。

“ToB的创业者会觉得错误率降低很重要，因为企业级、工业级场景中要的是极高(gāo)准确率，而(ér)在消费场(chǎng)景中，要的(de)是‘懂你’的个人助手。因此，对(duì)ToC创业者来说，个
性化技术更重(zhòng)要。”对(duì)于不同的答案，姜昱辰解释，ToB和ToC不同的场景下会(huì)有不同的感知。

从难度上来说(shuō)，大模(mó)型幻觉是概率模型固有的 ，不容易解决，但个性化大模型确实是(shì)技术层面可行的。姜昱辰提到，波形智能目前(qián)在做的是这个方向，主(zhǔ)要的难点(diǎn)是算法，中间需(xū)要知道的是，这样的个性化生成式模型需(xū)要什么用户(hù)信息，如何用(yòng)于模型 自进化。

深思考创始人杨志明则认为，下一个转折点是，如(rú)何(hé)利用小算力训练出大模型、做好大(dà)模型(xíng)的(de)推理，在这背后，当下主流的Transformer架构需要(yào)堆(duī)积算力，“性价比(bǐ)太低”。架构的改(gǎi)进或(huò)许是重(zhòng)要的方向。

值得(dé)期待的是，近日有(yǒu)消
息称，OpenAI将在今年
秋天推出(chū)代号为“草(cǎo)莓”（Strawberry）的(de)新模(mó)型。作(zuò)为核心技(jì)术突破，草莓(méi)可能集成在ChatGPT内，帮助解决当前AI聊天机器人难以完成的复杂任务，如数学和编程问题。此外，草莓更会“思考”，在解(jiě)决强主观性(xìng)问题上更擅长。

“草莓”是前菜，消息人士透露，OpenAI正(zhèng)在开(kāi)发下一代大型语(yǔ)言模型Orion（猎户座），草莓将为其生成(chéng)高质(zhì)量训练数据(jù)，以帮助减少大模型幻觉问题(tí)。能否突
破瓶颈(jǐng)，带领行业进入下一转折点，最大的可能(néng)性还在OpenAI。

未经允许不得转载：天津电机维修_天津进口电机维修_天津特种电机维修_天津发电机维修 大模型，何时迎来大转折？