学 LLM 最有效的起点不是先啃完理论,而是选一个真实小任务,边做边补概念,让卡住的地方告诉你该学什么。
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。
先动手,卡住的地方才是学习清单
入门 LLM 常见的失败是先把课程、论文、工具全排成一条学习路线,结果迟迟不产出任何东西。更省力的做法是反过来:挑一件你本来就想做的事,比如让模型帮你整理一份资料或写一段代码,直接做,遇到不会的再回头查。立正讲博士期间听讲座时,如果非要等想清楚再提问,往往就错过了提问的机会,所以他主张先行动、在行动中修正,而不是想周全再开始1。这个逻辑对学 LLM 同样成立:你亲自跑一次,才会知道自己到底卡在概念、工具还是数据上。
把 LLM 理解成数据库,先建立整体地图
材料里的观点如果需要一个能串起零散知识点的框架,可以借用一种说法:把大模型看成一套更先进的数据库,预训练是往里塞内容,后训练是把知识按不同粒度取出来、看哪些组合有用再填回去2。这个比喻的价值在于,它把压缩、推理、对齐、数据飞轮这些平时分开讲的问题放进同一张图里。注意这是访谈嘉宾查晟的抽象,不是立正本人的判断。对初学者来说,先有这张地图,再去看具体技术细节,不容易迷路。
现有材料没有专门讲 LLM 入门路径,上面是把「先行动、再修正」和一种整体框架迁移到学习场景,具体课程和工具选择需要你自己判断。
出处
- 1请零思而后行
讲「零思而后行」,适合理解为什么先动手比先想清楚更适合入门阶段。
- 2大模型训练全过程的技术细节、难在哪里,各家真实水平,科研精神的重要,benchmark为什么没用,谷歌和英伟达的恐怖统治力,达到singularity的核心突破在于AI自主提问|查晟访谈
查晟访谈里把 LLM 比作数据库的整体抽象,适合建立入门时的知识地图。
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
- ai能很容易的建立nlp框架来分析情感或者评论主题,那我还需要学习nlp基础么?
如果目标只是跑通情感分析或评论主题,AI 确实能大幅降低门槛;但要不要学 NLP 基础,取决于你是否需要判断结果对不对、在什么场景下失效。
- 我如果要进行这个创业 我该从什么地方开始?
先别急着做产品,先想清楚谁会在什么情况下付钱、你怎么触达他们;再结合你独有的经验和理解选赛道。
- 我是项目管理,现在有很头疼的点在于项目经历了3代,有很多的技术问题遗留,而且有很多问题都是不知道结果或者进度,以及后续的技术方向。很多信息都掌握在老的PM手上,我无从得知。我很多精力都投入到把模块搭建起来却没有很好的理解模块运行的逻辑和机构的动作,节拍这些细节内容
先把“不知道”变成可追踪的风险清单,再向能补历史信息的人定向索取;同时用“结果+进度+风险”而非“我做了123”来汇报,把模块逻辑和节拍作为要补的技术功课单独立项。
- 立正说codex用了他硬盘300g
现有材料只能确认:立正账号下的一篇文章写到,本机 Codex 目录约 326GiB,清理后降到约 15GiB;文中没有出现“300G”这个说法。
- 要不要学习ai漫剧ai短视频制作
值得学,但要把目标定在“关掉AI还能判断和做出东西”,而不是学会一套生成流程。AI漫剧和短视频的门槛正被工具拉低,稀缺的是选题、剪辑判断和验收标准。
- 怎么样有个好的点子呢?
好点子很少靠凭空想出来,更常见的是先带着一个假设去碰撞现实,再在反复修改中逼近真正的问题。