“底层”在这批材料里有两个入口:一是模型为什么能学(Hinton 的信念),二是用 AI 时真正决定成败的上下文与任务处理方式。想动手理解,从后者入手更快见效。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
底层分两层:模型原理与使用原理
一层是模型本身为什么成立。刘嘉教授研究 Hinton 多年,认为支撑他熬过 AI 寒冬的不是“这个方法现在有效”,而是一个更深的信念:大脑由神经元连接构成,智能从结构中涌现,那么模拟这个结构,智能就没有不出现的理由1。这解释的是神经网络这条路为什么值得走,属于原理层。另一层是使用层:真正拉开差距的不是多知道 agent、harness 这类名词,而是处理任务的方式——什么时候多给上下文、什么时候少给,复杂任务怎么拆,哪些环节必须人判断,出错时能定位是模型能力不够、上下文没给够,还是中间环节出了问题2。想“了解底层”,先想清楚你要的是哪一层。
上下文是使用层最实的底层
材料里的观点把上下文管好,是使用层里最接近“底层”的一件事。有材料把上下文基础设施拆成三层:概念层画出团队的上下文散落在哪、哪些该被日常调用、哪些该长期沉淀;技术层做分层记忆、按需加载、持续提炼和规范注入;工具层用具体工具和流程把它跑起来3。核心判断是 AI 的上下文窗口有限,全塞进去会撑爆,什么都不给又等于空壳,所以要让它自动找到并加载刚好够用的那部分3。如果你只是想理解 AI 怎么被用好,这一层比模型参数更值得先看。
材料没有覆盖模型训练、数学原理等更技术性的底层内容,Hinton 那部分也只是信念层面的转述。
出处
- 1对话清华大学刘嘉教授:站在脑科学的顶端看AI,人类智能注定要被AI取代,这也是我的存在意义
想理解模型原理层的“底层信仰”,这份对 Hinton 思想的转述最直接。
- 2AI的正确打开方式:不学概念,学动作
想理解使用层为什么名词不重要、处理任务的方式才重要,这份讲得最清楚。
- 3你团队的 AI 效果不好,问题不在模型,在 Context
想把上下文当作使用层的底层来理解,这份给了完整的三层拆解。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 如何跨行业找工作?本职工作是工程设计,在国企干了十几年,管理一个小团队,同时一直在兼职数字化方面的工作。近一年在 AI 应用落地方面做了很多实践,对企业 AI 转型的路径选择也摸索出了一些心得,想转到更有前景的行业专做内部提效方面的 AI 产品经理或企业 AI 转型方面的工作,地点北京。现在的卡点是业绩理好了,简历写好了,但是找不到几家合适的公司,投了两个也没有回音,不知道问题出在哪里
问题可能不在简历,而在找公司的渠道和岗位定位:你瞄准的“企业AI转型”岗位,在北京更可能藏在传统企业的数字化部门或AI服务商里,而不是公开招聘的“AI产品经理”。
- 课代表,我从事旅游OTA 4年,近一年业余时间做了个攻略站,引流渠道就只有SEO和GEO,但最近发现攻略站维护成本很高,便转型做元搜索,多OTA产品对比,但流量一直卡住,流量也主要是攻略带来的,月活一直也卡在3k左右,我不知道应该往哪个方向做增长比较好
你的流量卡在3k,很可能不是渠道不够,而是元搜索这个产品还没和现有攻略流量接上。先别急着加渠道,先让攻略页把用户带到对比页。
- 做困难但正确的事情
立正把“困难但正确的事”拆成两层:难不在事情本身,而在看不到结果时的孤独;判断“正确”靠守住价值观底线,而不是靠结果验证。
- 怎么提升贵人运
提升贵人运的关键不是讨好大佬,而是让人愿意把机会给你:有具体的事、值得帮的能力、懂人情估值并持续跟进。
- 今年三月已經建立了一個Context infrastructure, 但係去到今年七月沒有繼續維護。現在想重新整理,並把cursor 搬到去CODEX, 我要有什麼東西需要知道?
先别急着搬工具:把三月那套 context 重新盘一次,确认哪些还有效、哪些已过期,再按 Codex 的加载方式重写入口文件,最后才迁移和清理旧记录。
- 我如何最终不靠公司赚钱
公开片段里,立正把“不靠公司赚钱”讲成两件事:先做出市场认可的价值,再选一种风险自己可控、能靠客户反馈积累的赚钱方式。