大方向对:把“可信”拆成可测的几条、用人类一致性当上限、留出只碰一次的测试集,都是立正认可的做法。但这份清单缺了最关键的一步——先问不用这个评委时你最好的替代方案是什么。
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。
先定评价标准,再谈指标好不好
这份清单默认“评委”这个方案本身值得做,直接进入怎么测。立正主张,采用任何新技术前要先由自己的任务决定标准,并和不用它时的最佳合理方案比较。他举工单分类为例:质量、延迟、一致性、校准四项的权重由任务决定,实时交互在意几十毫秒,每天跑一次的批处理更在意错误怎么被发现和追回;厂商证明延迟下降,不等于延迟就是你此刻最该解决的问题。放到评委上:如果已有小模型换个读取方式就能完成判断,那“评委”要带来什么额外价值才值得接入?这一步没做,后面测得多严谨都可能是在优化一个不该选的方案1,2。
清单里的方法本身站得住
用人类之间的分歧程度当上限、算 kappa 和敏感度特异度、按最稀有类别的精度定样本量、开发集调提示词而测试集只碰一次,这些和立正讲假设检验时的思路一致:先分清是在衡量证据还是在做长期决策,再谈 α、β、power 和样本量,不能一边用这些概念一边假装没进入决策框架。他讲 AB 实验时也强调,负向结果显著就可以提前终止,正向效果则要等实验跑完再做上线决定,因为早期探到正向没什么长期好处。评委评测同理:坏样本要够多才测得出漏放率,好结果不要急着宣布通过3,4。
接下来先做一件小事:找替代方案
AI推演在补完 C1 到 C4 之前,先花时间回答一个问题——如果不用这个评委,针对同一个判断任务,你最合理的做法是什么?可能是已有小模型直接读 logits,可能是规则加人工抽检,也可能是换一个更简单的方案。把它实现出来,和评委在同一批样本上比。观察的反馈不是谁分数高,而是:评委相对这个替代方案,多解决了什么你真正在意的问题。如果答不上来,说明现在该做的是选型判断,不是继续加评测指标1,2。
这份清单来自你贴的文本,不在资料库内,我只能对照立正关于技术选型和假设检验的公开材料来回应;他本人没有逐条评论过这份 exam format。
出处
- 1通过Jev,辨清AI新技术的叙事陷阱:谁替你决定了什么叫“厉害”?
讲清评价标准要由任务决定、以及为什么必须和最佳替代方案比较,是回应“这份清单缺什么”的主要依据。
- 2如何炒作一个AI概念?以Jev为例…
补充第四层“找到真正合理的比较对象”为什么最难,以及替代方案要能实现出来才算数。
- 3AB实验,有哪些重要却不为人知的知识?|课代表数据大师课5
适合核对“什么时候可以提前终止、什么时候要等跑完”这类决策规则,对应评测中的通过判定。
- 4假设检验详解:Alpha、Beta、Power、MDE与样本量
适合核对清单里样本量、power、测试集只碰一次这些统计设定背后的框架区分。
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
- 课代表立正在哪里讲过为什么要多用动词,少用名词,怎么拆解一个概念,怎么用prompt
立正在《为什么所有人都在学名词,但真正拉开差距的是动词》和《AI的正确打开方式:不学概念,学动作》里讲过:名词是地标,动词是走路的能力,拆概念就是把它还原成一组动词。
- 我觉得工程能力越来越重要 哪怕不用在工作上 做副业或者生活流程上都很好。分析师是离业务更近但从分析师变成业务manager或者director感觉在美国存在天然天花板。这样来看似乎DS的投入至少金钱的回报和长期发展上更好 对吗
不能简单说DS在金钱回报和长期发展上更好。副业收入高低取决于能否完成价值交换,职业天花板则取决于你带来的是维持还是增量,两者都不由岗位名称决定。
- Data scientist 和data analyst选哪个track更好
两个 track 的差别不在高低,而在你解决的问题是否需要复杂模型:Analytics 靠 SQL、可视化和业务判断,Scientist 靠统计建模,且后者的优势正在被工程能力挤压。
- 一个打算做几十年的非营利社群,不把规模当目标。它应该怎么定义成功,才不会变成假装忙碌的 fake work?什么样的成功定义是真的?
把成功定义成"某个具体的人或事发生了可验证的改变",而不是活动量、成员数或影响力这类感觉。指标只是衡量策略的代理,不能当目标本身。
- 大家都在抢着用 AI agent,把能自动化的都自动化了。往后看十年二十年,这个世界会缺什么?什么会变得真正稀缺?
稀缺的不是会用 AI 的人,而是能判断 AI 结果好坏、能收口负责的人,以及愿意把时间还给身体、关系与思考的人。
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。