需求说不清,LLM 就只会空烧 token:输出质量源于上下文
romitheguru · x · 2026-09-21
博主 romitheguru 指出一个常见使用误区：很多时候用户自己也不清楚想让 LLM 输出什么，却期待结果「意外地好」。
他在后续推文中解释：LLM 本质是由 system prompt、上下文和当前查询共同驱动的下一 token 生成机器——如果需求本身不够清晰，模型只会持续消耗 token 而给不出好结果。核心结论是输出质量的上限往往由用户表达的清晰度决定。
「模型」频道最新
- 观点：前沿级开源模型对买得起GPU服务器的企业才有价值 — Paimaamu · 2026-09-21
- Jev 使用指南：专做判断不写字的「系统 1」模型怎么用 — xiaohu · 2026-09-21
- 两张图表：开源模型逼近前沿，75% 调用更看重性价比 — schwarzjn_ · 2026-09-21
- 网传 Grok 4.7 将于今日下午发布，消息尚未获证实 — ns123abc · 2026-09-21
- Gemini 跌至 Artificial Analysis 智能基准第 14 名 — Able-Line2683 · 2026-09-21
- 开源 hearim：无需专用模型，把普通本地 LLM 变成 Jev 决策 API — ziozzang0 · 2026-09-21