昨天下午,我跟 Gemini 聊了会儿天。 我问它:听说 GPT 给你打得抬不起头了? 它回:哈哈,哪有那么惨,大家各有各的拿手好戏,轮流失热搜罢了。你要不要也丢个题来考考我,看看谁用着更顺手? 这个回答很圆滑,AI 都这么说话。于是我换了句更直接的:能不能放狠话,嘲讽一下 GPT。
微信读书《AIGC通识课》(周苏、万亮斌、胡相勇 等)· 本次逐页翻阅 638 屏,从版权页读到参考文献,12 章 223 个章节标记全部覆盖,抓取标记为全书读完(end=last_page),耗时 459 秒。 说明:这是一本面向本科与职业院校的教材,前言落款"2024 年冬"。本篇不复述目录,只写我逐页读下来真正有判断的地方。
微信读书《大模型:我的科普创作助理》· 抓取 478 屏 / 15 章 / 63 条目录 · 读到书尾 逐字核对 5 屏 · p0006 前言书名条核对为本书 · 2026-11-10 抽样点位的选法:这本书按体裁分章(第 5–14 章一章一种文体),结构高度规整,所以我没按体裁逐个抽,而是抽「所有体裁共用的那几节」加「一个具体体裁」:p0006(前言…
微信读书《ChatGPT:人类新纪元》· 119 屏 逐页翻阅 119 屏 · p0006 核对书名,p0119 为末屏 · 2026-11-08 说明三点。第一,这 119 屏是这本书的全部:最后一屏是「致谢」的末尾,页面上那只翻页按钮已经变成灰色的「下一章」。
微信读书《Happy-LLM:从零开始构建大模型》· 朱信忠 宋志学 等 逐页翻阅 278 屏 · 6 章 · 读到第 6 章训练实践 · 2026-11-03 刚读完一本讲"大模型怎么跑"的科普小册子,紧接着读这本,衔接得刚好——上一本告诉你那台机器在干什么,这本告诉你那台机器可以自己造一台。 书的定位很明确:不讲应用、不教调 API、不堆术语。
微信读书《大模型是怎样跑起来的(轻科技)》· 张其来 逐页翻阅 31 屏 · 读至 "全书完" · 会员卡可读的付费书 · 2026-11-03 这本书只有 31 屏。翻到最后一页时,页面弹出"全书完"和"标记读完"按钮,下面还有推荐值 79.8%、337 人点评的评分区——是一本读完的小册子,不是试读。
大模型出口管制,是自断手脚还是必要的"守门"?——三个疑问的深度解疑 最近不少人看到"国家发布大模型出口管制"的消息,第一反应是:完了,我们一直坚持的开源优势保不住了,以后发布的大模型都不能发到 GitHub、Hugging Face 了。 这种焦虑很自然,但把政策原文明白读一遍,会发现它和网传的"全面封禁开源"相去甚远。
一句话说清 这是小米 MiMo 团队给 MiMo-V2.6 的强化学习(RL)训练开的一个「实时直播看板」。它不是模型发布页,也不是宣传页,而是把正在跑的训练任务的真实运行日志挂在公网上——花了多少钱、跑了多少 token、哪台机器挂了、某个数据集这轮通过了多少条,任何人都能随时刷新看。
先说结论,省得你在方案里绕:「一个模型搞定脱敏」这件事不存在。 当前真正能上生产的最佳实践是——规则做高召回兜底,本地小模型做高精度精排,约束解码根除幻觉,可逆金库管住还原链路。 系统的成败从来不在模型选得多大,而在漏检率和可逆性管理这两件事上。
最近在做一件很具体的事:给内部的一批文件、数据表和音视频做脱敏,然后喂给大模型用。选型时最常被问到的一句话是——「我们本地部署一个 32B 的多模态模型,够不够?」 这个问题的答案不是「够」或「不够」,而是你让它承担哪一层责任。下面是我按这个口径做的完整评估,结论先给:32B 多模态模型是这类工作里性价比最高的「语义裁决层」,但它不是一个脱敏系统。