We'll be spending a lot more time trying to understand the outputs of language models. A few thought...

Andrej Karpathy 在 X 上的推文："我们将投入更多时间去理解语言模型的输出。一些思考、技巧和建议：写作。我曾成功使用的方法：让大型语言模型（LLM）用 ASD-STE100 语言解释某个概念。ASD-STE100 是一种最初为航空航天维护文档开发的受控语言规范。LLM 对这种语言非常熟悉，且该规范对写作风格有严格约束，我经常发现这种风格更易于阅读。有时我会稍作调整，例如要求“达到 ASD-STE100 的 80%”，因为该规范的约束性非常强。但更好的方法是：图表/图像。不要写作，而是让 LLM 生成图表。这些内容通常更容易处理、解析和理解。但更好的方法是：网页。要求输出为 HTML 格式，即可获得美观的交互式网页。LLM 在前端开发方面越来越出色，能够创建精美的体验、动画等。但最好的方法是：解释性视频。我最看好的输出格式是针对任意主题生成的完全定制化、专属的解释性视频。可以尝试类似“创建一个 3b1b 风格的视频解释 X。使用我的 ElevenLabs API 密钥进行音频解说”（后者需要 API 密钥，或者可以要求 LLM 为你寻找合适的免费替代方案，使用本地计算资源）。这实际上已经开始奏效了！总结：

• 随着 LLM 能力提升，它们将越来越多地自主完成基础工作，而我们的工作将更多地转向抽象层面的监督和理解。
• 幸运的是，LLM 也能在此提供帮助。因为随着智能和代码的日益丰富，你可以要求生成大量定制化、可丢弃的软件产物（例如网页应用、视频解释），这些在过去是毫无意义的。在此突破边界，你将会感到惊讶。

2026 年 10 月 2 日 凌晨 12:37 · 6.3M 次浏览 1.4K 5.8K 50K 74K