Taste Labs 深度长文:模型训练如何制造 slop,品味如何拯救多样性
sarahcat21 · x · 2026-11-13
sarahcat21 转发并推荐了 Amplify Partners 的长文《Engineering a beautiful mind》(作者 Justin Gage,Amplify 是 Taste Labs 投资方)。
核心议题:在大家高谈「品味/taste」以抬高模型能力上限之前,更紧迫的是对抗平庸、抬高下限。文章从美第奇家族靠营造「美的世界」翻身的典故切入,探讨一个技术问题——在主观领域(创作、审美)上,究竟需要在工程和训练层面做什么才能让模型变得更好:模型训练如何系统性地产出 slop(低质同质化内容),以及 Taste Labs 等尝试如何通过注入品味来减少 slop、放大创意多样性。
sarahcat21 的判断:先解决平庸问题、抬高下限,再争论各家方法论孰优孰劣。
「研究」频道最新
- NeurIPS 论文 SSD：训练 token 省 38–69%，准确率不减且遗忘更少 — Azaliamirh · 2026-11-13
- tszzl:高维空间中局部极小值很罕见,是最乐观的「白药丸」 — JensHonack · 2026-11-13
- Chronicle 首个临床试验落地:AI 选患者,携手 Prolong 测试 ME/CFS 药物 — thekaransinghal · 2026-11-13
- Salesforce 发布 A²-Bench：500 场景拆解多智能体协作的 20 种失败模式 — mohitban47 · 2026-11-13
- 研究员认为矩阵优化器之间 CE 差距仅 5-10% — _arohan_ · 2026-11-13
- 普林斯顿等研究：最优优化器随 batch size 变化，排名会反转 — _arohan_ · 2026-11-13