三个月实测后反思:LLM 让我效率提升不足 50%,智能形态与人类迥异
sebkrier · x · 2026-09-04
作者 Andre Ho 分享对 LLM 使用超过三个月的反思:
- 尽管 LLM 看似神奇,他的总生产力提升并没有超过 100%,甚至可能没超过 50%。原因之一是 LLM 让他大量投入「即时满足但低产」的任务,事后证明并不有用,时间实际被浪费。
- 模型能力呈现极强的「尖峰化」,且与投入程度高度相关。
- 由此推断:LLM 智能的本质与人类智能截然不同,仅靠在现有方法上打补丁式扩展,不太可能自然获得在所有重要方面超越人类的智能;即使 AGI 终可实现,也意味着路径并非简单 scale up。
「漫话AGI」频道最新
- 哈佛写作中心关停后，院长 Deming 呼吁写作课拥抱 AI — soumitrashukla9 · 2026-09-04
- 6 个月新模型潮后，网友称软件体验毫无实质改善 — MoonL88537 · 2026-09-04
- 纽约市 K-8 学校 AI 禁令遭质疑：应教学生用好 AI 而非禁用 — castrotech · 2026-09-04
- David Lynch 谈 AI:它就像一支铅笔,关键看谁在用 — UrAWeaselBro · 2026-09-04
- 投资者:Brockman 称储备多模型,Brown 称 scaling law 仍有效 — thedealdirector · 2026-09-04
- 十年前全民学编程,如今写代码本身价值大幅缩水 — signulll · 2026-09-04