我昨天通过早期访问体验了Gemini 3。几点想法 - 首先，我通常会对公共基准保持谨慎，因为在我看来，它们很可能被操控。关键在于团队的纪律和自我克制（与此同时，他们的激励机制却是相反的），以避免通过对测试集相邻数据进行复杂的操作来过拟合测试集。实际上，由于其他人都在这样做，施加的压力很大。 去和模型对话。与其他模型对话（骑上LLM周期 - 每天使用不同的LLM）。我昨天对个性、写作、氛围编码、幽默等方面有了积极的早期印象，显然是一个非常稳健的日常驱动者，显然是一个一流的LLM，恭喜团队！ 在接下来的几天/几周里，我最感兴趣并在关注的是关于私人评估的集成，很多人/组织现在似乎都在为自己构建这些，并偶尔在这里报告。

我开始养成阅读所有内容（博客、文章、书籍章节等）的习惯，使用 LLMs。通常第一遍是手动的，然后第二遍是“解释/总结”，第三遍是问答。我通常会比直接跳过更好/更深入地理解内容。这正在成为最主要的使用案例之一。 另一方面，如果你是一名作家，试图解释/传达某些内容，我们可能会越来越少地看到“我为另一个人写这个”的心态，而更多地是“我为 LLM 写这个”。因为一旦 LLM “理解”了，它就可以针对、个性化并将这个想法传达给它的用户。

分享一段关于AI对经济影响的有趣最近对话。 AI被与各种历史先例进行比较：电力、工业革命等，我认为最强的类比是将AI视为一种新的计算范式（软件2.0），因为这两者根本上都是关于数字信息处理的自动化。 如果你要预测1980年代计算对就业市场的影响，你会关注任务/工作的最具预测性的特征是算法的固定程度，即你是否只是根据简单、易于指定的规则（例如打字、记账、人类计算器等）机械地转换信息？那时，这就是那个时代的计算能力允许我们手动编写的程序类别。 现在有了AI，我们能够编写以前无法手动编写的新程序。我们通过指定目标（例如分类准确性、奖励函数）来实现这一点，并通过梯度下降搜索程序空间，以找到在该目标下表现良好的神经网络。这是我之前的一篇关于软件2.0的博客文章。在这个新的编程范式中，新的最具预测性的特征是可验证性。如果一个任务/工作是可验证的，那么它可以直接或通过强化学习进行优化，并且可以训练神经网络以极其良好的效果工作。这是关于AI能在多大程度上“练习”某件事。环境必须是可重置的（你可以开始新的尝试）、高效的（可以进行很多尝试）和可奖励的（有某种自动化过程来奖励任何特定的尝试）。 一个任务/工作越是可验证，就越容易在新的编程范式中实现自动化。如果它不可验证，就必须依赖神经网络的泛化魔法，或者通过模仿等较弱的手段。这就是推动LLM进展的“锯齿状”前沿。可验证的任务进展迅速，甚至可能超越顶级专家的能力（例如数学、代码、观看视频的时间、任何看起来像有正确答案的谜题），而许多其他任务则相形见绌（创造性、战略性、结合现实世界知识、状态、上下文和常识的任务）。 软件1.0轻松自动化你可以指定的内容。 软件2.0轻松自动化你可以验证的内容。