你能明显感觉到某些AI文娱赛道从业者的倔强：老百姓越喜欢什么，我就越要故意避开什么。

老百姓就是喜欢怪的，脏的，野的，狠的，狗血的，叛逆的，刺激的，跳脱的，俗称偏离标准化的，具备多元稀缺性的。

而这些从业者就是喜欢正经的，稳重的，体面的，治愈的，酷的，“有”趣的，岁月静好的，正能量包饺砸的，以契合祖训从小教育要匹配的标准化好成绩为目标，感动祖宗。

所以，你啥时候能见到killer产品啊？只能等他们自己失手，一不小心搞出个违背祖训的不正经不治愈怪胎，老百姓就有得玩了

最近一直好奇一个问题：用户反馈数据（点赞点踩三选一四选一）给模型做强化学习有没有用？用处多大？产品能否构建起数据飞轮形成壁垒？

目前问了几个从业者，收集到的回答有：
1. 很有用
2. 在娱乐化场景用处不大，因为用户的选择偏好很离散
3. alignment阶段让模型语言风格贴近用户喜好有些用处，但本质对于模型能力提升用处不大

欢迎各位大神评论

从生成式 AI，学到的一个小知识：你选择看什么书和视频、选择住在什么城市、爱什么样的人，这些都是你输入给大脑的数据，他们共同决定了大脑输出的质量。

而一个人的智商，或许指的就是：大脑上下文窗口的长度、推理中消灭幻觉的能力、算力充沛的程度

字节的豆包或者 CiCi 虽然移动版的体验非常离谱，过于想把每个能力都在界面上展示了。

但是网页是真不错，尤其是海外版本还避免了模型问题，浏览器插件和客户端也还行。

特别是浏览器插件支持翻译和总结，翻译体验做的很好，总结的内容和客户端还是同步的。

有需求的可以白嫖一下。

人的本性往往对未知的事物感到恐惧，从而选择否定👎和排斥，这导致许多人对新机遇视而不见。人们追求即时满足和贪婪，这形成了一个恶性循环，如不断刷短视频和信息流的行为。但如果你能够换一个角度看待事物，追求延迟满足，你就能跨越周期，实现超越大多数人的认知和行为。

信息差、认知差🧠、行动差，这三者是拉开人与人之间距离的关键因素。
众所周知，赚钱的最快路径包括：
1. 信息差：我知道的，你不知道。
2. 认知差：我懂的，你不懂。
3. 执行差：你我都懂，但你不做，我去做💪。
4. 竞争差：你我都做，但我做得比你好。
在每个阶段都能突破自己，你就能实现“穿透圈层”。

邀请您参加生财有术3天免费体验活动，亲身体验这个感受变化
信息差：您将获得独家副业信息和赚钱策略，这些是大众难以触及的宝贵资源🗝。
认知差：我们将引导您重新认识金钱和财富，教您如何运用富人思维规划和管理财务。
行动差：通过航海实践课程和互动讨论，您将学会如何将知识转化为行动，实现目标🎯。

加入生财有术你将获得：
1. 开钱眼，看见项目新机会：
- 主要交付形式：精华帖📃、风向标、项目库搜索引擎、精选航海选题。
- 第八期升级：深度运营垂直赛道，包含50+赛道，建立20+情报库，无论您是在小红书、视频号、抖音还是微信生态，都能找到适合的垂直圈子🏁。

2. 做项目，跟着高手下场干：
- 主要交付形式：航海实战、完善的航海手册资料、高手验证过的项目SOP精华帖。
- 第八期升级：新手专注于初阶航海，高手持续深耕高阶航海实战项目，以取得实际成果。

3. 交朋友，和圈友结伴同行：
- 主要交付形式：每周丰富的同城组局、生财线下大会、航海实战志愿者/领队机会。
- 第八期的升级：深度打造同城生态，与同城圈友共同参与航海实战，举办商机闭门会🤝，加强与同城圈友的联系与合作。

特别提示：
- 今日体验卡限时24小时⏰，名额有限，先到先得。
- 此次体验计划专为非社群成员设计，每人仅限一次机会。

记一件小事：Claude 3 有没有带来10x 体验提升？

从理性标准来说，我不断提醒自己Claude 3 不会比GPT-4 好10倍 。[1]

然而， 在体验和实战半个多月来，各种场景的深入和结构化Prompts 用法后，Claude 3 那惊人的性能和优美的文采不断在重塑一些新习惯。哪怕摩擦成本这么高，却能「成瘾」～ 这件小事，让我陷入沉思。

曾经的企业壁垒可以转眼被创新者超越；如果连大模型都如此，何况其他的技术护城河？

曾经的传播充满需要跨越的鸿沟，而今天AI 新品牌可以一夜成名，在自由市场的渗透速度超出想象。

大多数决策者还没有意识到，AI 带来可能不是10x 生产力提升，而是更多对流程的重塑，产生摧枯拉朽的结果。 （如果想象不了，也不妨随附的单口视频，开心一下。 [2] ）

正如Jason Fried 一语道破，「理论上，软件可以在纸面上进行比较。但实际上，只能在经验中进行比较。」 体感是无比重要的，否则没有认知的突破。

这件小事不断提醒我，新商业世界里不创新和奔跑就无法停留在原地。不主动拥抱新技术的大企业们会怎样？ 个人应该如何学习?人的创造力在AI共生时代将如何绽放？ 这些问题都萦绕在脑海中，身体力行地探索可能是最好的答案。

反过来说， 适应与坚韧的确是最被低估的技能之一。

注释：

[1] Claude 3 与GPT-4 的评测对比 https://m.okjike.com/originalPosts/65e5dd4e164d89e601020824

[2] GPT-4 制作的单口 https://twitter.com/MichaelTrazzi/status/1778791279150932393

Vik Paruchuri 写了自己是如何从一个学历史的普通工程师，用了一年的时间学习AI并且训练出相当优秀的OCR PDF模型的历程。

里面给了一下他自己的学习路径和学习渠道，感觉想要入门的都可以看看。

下面是总结的文章要点和全文翻译的链接。

1️⃣实用技能

如果你想进入AI领域，精通编程是首要任务。

大多数情况下，掌握数据处理技能是必不可少的。

能够辨别何时深入研究，何时采取快速简单的方案，是非常重要的技能。

2️⃣学习资源

书籍《深度学习》《机器学习的数学》

视频教程：fast ai 和 Karpathy 的视频课程

论文：RNN 注意力机制、Transformer、切换 Transformer、LoRA、视觉 Transformer、AdamW、GPT-2

Discord：Nous Research和EleutherAI

3️⃣学习要点

理解基础知识对于训练高效模型至关重要。

寻找并解决有趣的问题是提升你所构建系统影响力的最佳途径。

实际上，并不需要很多GPU资源。

详细的全文翻译：https://quail.ink/op7418/p/e5a682e4bd95e5bc80e5a78be6b7b1e5baa6e5ada6e4b9a0e79a84e69785e7a88b

AI探索指南

【3Blue1Brown熟肉】注意力机制可视化_哔哩哔哩_bilibili 3Blue1Brown 刚出了 Transformer 的系列科普视频，做得很好。之前看过不少讲 Transformer 的课程和文章，包括李宏毅老师的课程在内，最后都陷在矩阵运算的过程里，几乎没有能把 K、Q、V三个矩阵的象征意义讲清楚的。3Blue1Brown通过自己最擅长的动画和类比，把这套 Attention 的原理讲得比较浅显和直白。 具体来说，“Attention 像是问每个 vector 一连串问题，然后根据这串问题的答案来更新自己。”…

P.S. 到目前为止看过的对 Diffusion 扩散思想的最好类比来自李宏毅老师的课程，他把扩散模型的去噪过程比作工匠雕刻石头的过程，“雕像本来就在石头里，米开朗基罗只是把不要的部分去掉”。某种程度上，这个减熵过程也颇像是逆转时间。