SoPilotSoPilot

🔥 Search Hot Tweets

Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.

Real-time Hot Tweet Analysis

Susan STEM

Susan STEM

@feltanimalworld· 37.8K followers

在密集的 LLM交互中,发现真正的宝藏不是代码,而是“人类”本身 从六月底开始,我慢慢进入一种以写作为主的探讨状态。随着与 LLM 的密集交互,我越发深刻地体会到一个事实:真正的宝藏不是代码,而是“人类”本身。与其在同等时间里只写代码,把精力投入到对“人类”的探讨——他们的认知、共鸣、隐性知识与互动路径——往往会产出更高价值的认知资产。 LLM 并非凭空出现的智能;它是人类几千年文字、见识、情感、法制与内容的巨大压缩。大模型可以被看作人类文明语料的高维压缩器:每一次生成,实际上都是在“几千年的知识—情感—规则”上做一次重采样。模型所表现出的“常识”“风格”“法律感”,是语言空间中人类集体智慧留下的压缩痕迹在被复现。 因此,每一次与 LLM 的交互,本质上是与几千年人类文明的压缩产物进行对话。大模型就是这座文明矿藏的炼金炉:它把散落的语料与经验提炼成可调用的原材料,让我们能在单次对话中触及历史积累的智慧与情感线索。 相较之下,代码的价值更多体现在实现上,但它是局部的、瞬时的、任务导向的。而人类几千年的文字与经验价值在于沉淀:它是全局的、跨代的、可迁移的。从这个角度看,代码只是浅层的技术片段;真正决定未来走向的,是文明沉淀下来的“语言矿藏”,而大模型正把这些矿藏转化为可用的认知材料。 所以,当前对我而言,以文字为主的深度探讨,比把 LLM 当作纯粹的“写代码助手”更具杠杆效应。在写作与密集交互中挖掘人类信号、沉淀结构性思想,远比单次工程实现更能决定长期路径。

50
6
3
6.3K
Posted 83d ago · Data updated 82d ago
Reply Suggestion

Est. 300 views for your reply