大模型，何时迎来大转折？

　　“真正的(de)变革是，什么时间点有一个模型可以把错误率(lǜ)降低到个位数。”

　　在经历了上半年(nián)密集的技术和产品发布后，下半年的AI圈显得有些(xiē)平静(jìng)，不再(zài)有如(rú)Sora这样引发轰动的产品，在GPT-4o之后，行业引领者OpenAI也迟迟没有大动(dòng)作。不少行业人士(shì)认为，技术的迭代放缓了。

　　在亚布力企(qǐ)业家夏(xià)季年会上，猎豹移动董事长傅盛提出一个观点(diǎn)，AI浪(làng)潮(cháo)已出现泡沫迹象，从大模型出现(xiàn)在大(dà)众视野以来，已过去近(jìn)一年的时间，但最顶级大模(mó)型的模型没有明显提升。“客观(guān)来说，谁家大模(mó)型有什么(me)优(yōu)势(shì)，基(jī)本尚属‘一家之言’，用户用起来没有感觉到太大
差别。”他认为，当前大模型同质化严重。

　　在与MiniMax创始人闫俊杰的交流中，关(guān)于瓶颈(jǐng)与(yǔ)转折点他提到，现在所有(yǒu)模型错误率都是20%的(de)量级，“真正的变革(gé)是 ，什么时间点有一(yī)个模型可以把错误率降低到个位数，这会是一个非(fēi)常本质的变化。”未来大模
型能否成功(gōng)，傅盛也认为，大模型的天花板能否再上一个台阶很重要。

　　“至(zhì)暗时刻觉得技术很(hěn)重要”

　　这(zhè)一轮的生成式AI是一场掀起巨大(dà)浪潮的(de)社会生产力革命，傅盛认为，这(zhè)波浪潮今天
已经呈现出(chū)明显的泡沫迹象。

　　何为“泡沫”，傅盛(shèng)认为，一方面是模型能力没有明显提升。“在一个以科技为核心(xīn)的 技术浪潮(cháo)中，这
是不太正常的。”每次 写不同的东西，傅盛都(dōu)会用好(hǎo)几个大模型互(hù)相比(bǐ)较，“有时候这个大模型更好用，有时那个更好用，当前大模型的同质化很严(yán)重。”

　　其次，说了这(zhè)么久人工智能(néng)，“但真正的Killer APP（杀手级应用）并(bìng)没有出现，不仅在C端没有出现，B端也未能出现。很多行业大(dà)模(mó)型(xíng)都说自己有不少应用，但真正提效(xiào)的并不多。”傅(fù)盛说，想要将大(dà)模型真正变(biàn)成一个明显能提(tí)效的(de)应用(yòng)，还很有难度。

　　泼了盆冷水的同时
，傅盛补充表示，泡沫不见得会使大(dà)模型发展(zhǎn)崩塌，因为有点泡沫很正常，互(hù)联(lián)网早(zǎo)期也曾出现泡沫。

　　在今年6月演讲时，金沙江创投主管合伙人朱啸(xiào)虎曾谈及GPT-5一(yī)直“跳(tiào)票”时表示，“硅谷(gǔ)也(yě)高度怀疑GPT-5还有没有，即使出来在核心推理能
力上还有没有显著的提高，这(zhè)是很(hěn)不确定的东西，今年年底是一个验金石。”他判断，大模型演(yǎn)化速度有放缓趋势，而迭代曲线放缓以
后(hòu)，应用层的机(jī)会就会更多。

　　不(bù)过，在波形智能创始人姜昱辰看来，大模型技术迭代其实(shí)并(bìng)没有放缓(huǎn)，而是保持着2018年(nián)以来的增速，那一年基(jī)于Transformer架(jià)构的大规模语(yǔ)言模型预训练(liàn)开始流行。从博士的自然语(yǔ)言处理研究到大模型创业(yè)，姜昱辰更早开始经历这轮 大模型(xíng)技术演(yǎn)化的进程(chéng)。

　　“大家之所以有这样的感觉（技术迭代放缓）是因为大众是在2022年底、2023年初第一次看到这个技术，做了很多短时间的learning和追赶，追赶当然比较快。”姜(jiāng)昱辰对第一财经表示，把OpenAI做出(chū)来的(de)技术学一遍，不叫“技术迭代”。

　　虽然行(xíng)业(yè)此前有一(yī)句(jù)“没有应用的大模型一文不值”广为传播，但在很多(duō)从业者看来，大模型的技术同样重要，因为更好的(de)应用一定建立在更好的技术之上，技术和应用是一个相互转化的串联(lián)关系。

　　在MiniMax刚刚过去的伙(huǒ)伴日活动上(shàng)，闫俊杰在讨论中(zhōng)提到，“至暗时刻会(huì)觉得技术很重要。”

　　很多时候做
技术时，并(bìng)没有真正意识到技(jì)术为什么重要。闫俊杰举(jǔ)例表示，用户感受到的东(dōng)西可能来自于一些产(chǎn)品细(xì)节，或者一(yī)些品牌，技术本身是好多个环节在一起，尤(yóu)其在繁荣时期(qī)，可能(néng)分不(bù)清什么是(shì)主，什么是(shì)次，“当在某些时间点遇到(dào)瓶颈的
时候，抛开所有的表象东西，会(huì)意识到技术(shù)才是最(zuì)终提升
的来源。”

　　“技术做不好的时候，发现所有东西都是问题，当(dāng)技术做好了，似乎(hū)所有问题都被(bèi)掩(yǎn)盖了，”闫俊(jùn)杰表示，技术是一家科技(jì)公(gōng)司(sī)最核心的要素这(zhè)件 事，尽管已深(shēn)刻意识到，偶尔(ěr)还是(shì)在继续犯错误，“这个是我在(zài)多次至暗时刻里最有共性的一件(jiàn)事。”

　　做技术也是一件非常奢侈的事，“如(rú)果看一(yī)眼(yǎn)我们每个月的账单还是(shì)会非常心(xīn)疼的(de)。”在采(cǎi)访(fǎng)中，说到这(zhè)话时，闫俊杰几次(cì)看向了MiniMax技术总(zǒng)监韩(hán)景涛，也就是“账单的制造
者”。

　　因为做技术可(kě)能会失败(bài)，研发投入很大，闫俊杰此前很多时候会想(xiǎng)要不(bù)要(yào)走点捷径，但实践经验会证明(míng)，走捷(jié)径就会被“打(dǎ)脸”，“这(zhè)个事(shì)在我这发生可能超过十次了。”

　　“一个东西(xī)要实验(yàn)三次才能成功，第三次实验(yàn)成功的(de)时候，会想前面两次是不 是可(kě)以不用做，就像吃包子吃(chī)三个会吃饱，就会想是不是前两个不用吃(chī)是一样的。”闫俊杰表示，这是
做技术时一个比较容(róng)易(yì)犯的错误。

　　在各种关于(yú)模型技(jì)术细节的排(pái)行(xíng)榜上，或许GPT-4o的跑分不常(cháng)出现在(zài)第一，甚至会在中间，但在MiniMax基于 真实客户的测试(shì)集中(zhōng)，OpenAI的GPT-4o是遥遥领先(xiān)的。

　　在大(dà)模型时代，如何(hé)判断技术(shù)的好坏，大众很迷惑，企业同样觉得很难，但(dàn)这个点很重要，因为(wèi)技术(shù)的评价标准会决定模型的(de)迭代方向，如果指标本身不 对迭代方向可能就(jiù)错了。

　　闫俊杰提到，MiniMax目前的一(yī)个办法是，基于(yú)MiniMax开发平台的3万(wàn)多个开发(fā)者和付费客户，在他(tā)们的场景上构建一个真(zhēn)实使用的测试集，有些客户对他们的场景非(fēi)常看重，要求保证产品的效果，基于 这些客户(hù)真实使用的评测 是较 为客观的。

　　“这个测试集上所有(yǒu)国产化模型相比(bǐ)GPT-4o都相(xiāng)差较多，其他排行榜基本上GPT-4o都要排到中间(jiān)去了，但是在我们的排(pái)行榜上确实GPT-4o排在最(zuì)靠前。”闫(yán)俊(jùn)杰提到，国内所有模型 都与GPT-4o有本质的(de)差距，且(qiě)越难的问题 差距越(yuè)大。按照这个(gè)评估方式，国(guó)产模型的提升空间(jiān)还很大。

　　大模型，何时迎来大转折？>静待下一转折点

　　大模型的下(xià)一(yī)个转折点(diǎn)在(zài)哪里(lǐ)？众多创业者有不同的答(dá)案(àn)，有人认(rèn)为是错误率的降低，有人觉得是个性化的模型，有(yǒu)人认
为关键在于(yú)小算力训练出大模型，背后或许意味着架构的改进。

　　朱啸虎曾(céng)提到，今(jīn)年的(de)大模型本身还是有很多错误，且出(chū)来(lái)的结果不可控，今天落地最困(kùn)难的是(shì)，场(chǎng)景下怎么解(jiě)决错误问题、可控问题。

　　现在所有的模型错误(wù)率都在20%左右，即两位数的 错误(wù)率，有时惊艳，有时不靠谱，闫俊杰认(rèn)为，这也是制 约模型(xíng)处理复杂任务的(de)原因，“真正的变革是，什么时间点有一个(gè)模型可以将错误率降(jiàng)低(dī)到 个位数(shù)。”这是能增加(jiā)用户使用 深 度的核(hé)心手段。

　　复杂(zá)任务往往(wǎng)需要多个步骤“相乘”，较高的错(cuò)误率导(dǎo)致失(shī)败率 的指数增加。闫俊杰表示，即便是GPT-4这样的模型(xíng)也无法支持非常灵(líng)活的(de)Agent（智能体），这并(bìng)不是因为(wèi)Agent框架写得不够(gòu)好，产品做(zuò)得不好，最根
本的原因(yīn)是(shì)模(mó)型本身不够好。

　　但现(xiàn)在(zài)可以看到的是，每家公司有了算力，无论是(shì)OpenAI、谷歌还是(shì)Meta，都在加码算力。Meta CEO扎克伯格曾在社交媒体上表(biǎo)示(shì)，要 建立一(yī)个大(dà)规模(mó)的计算基础设施，到2024年(nián)底，这一设施将包括35万张英伟(wěi)达H100显卡，业界预估这或许将耗费近百亿美元。

　　算法也在进步，OpenAI在2023年只能做出(chū)来GPT-4，但2024年能做GPT-4o，虽然性能(néng)差不多，速度快(kuài)了(le)近(jìn)10倍。

　　“计算量多了(le)不(bù)止10倍，算法也快了10倍时(shí)，没有道理(lǐ)说训练(liàn)不出(chū)来一个更好的模型。”闫俊杰提到(dào)，“如果Scaling law（尺度定律）是对的，未来这个模型一定会出现，标志就是个位数的错误率。”

　　在傅盛看来，降低错(cuò)误率同样重要。“今天的大模型有20%-30%的知识幻觉，而且‘它不知道自己(jǐ)不知道’，这是在企业应用上非常重要(yào)的一大卡点。”想要真正落地(dì)一个应用 ，得用大量工程化的手段去解决以前通用人工智能认为它能干的活，这中间是有差距的。

　　问及大(dà)模型技术的下一个转折点，姜昱辰给(gěi)了(le)一(yī)个不一样的答(dá)案，她认为是(shì)“个性化”的(de)技术。

　　“ToB的创业者会觉得错误率降(jiàng)低(dī)很重要(yào)，因为企业级、工业级场(chǎng)景中要的是极高准确率，而在消费场景中(zhōng)，要的(de)是‘懂(dǒng)你’的个人(rén)助手。因此，对ToC创业者来说，个性化技术(shù)更(gèng)重要。”对于不同的
答(dá)案，姜(jiāng)昱辰解释，ToB和
ToC不同的场景(jǐng)下会有(yǒu)不同(tóng)的感知。

　　从难度上来说，大模型幻觉是概率模型固有的，不容易解 决(jué)，但(dàn)个(gè)性化大模型确实是技术层面可行的。姜昱辰提到，波(bō)形智能目前在做的是这个方向，主要(yào)的难点是(shì)算法(fǎ)，中间需要知道的是，这样的个(gè)性化生(shēng)成(chéng)式模型(xíng)需要什么用户(hù)信息，如何用于模型自进(jìn)化。

　　深思考创(chuàng)始人杨志明则(zé)认为，下一个转折点(diǎn)是，如何利用小(xiǎo)算力训练出大模(mó)型(xíng)、做好大模(mó)型的推理，在 这背(bèi)后，当(dāng)下主流(liú)的Transformer架构需要(yào)堆积算力，“性价比(bǐ)太低”。架构的改进或许是重要的方(fāng)向。

　　值得期待的是，近日(rì)有消息称，OpenAI将在今年秋天推(tuī)出代号为“草莓”（Strawberry）的新模(mó)型。作为核心技术(shù)突(tū)破，草(cǎo)莓(méi)可能集成在(zài)ChatGPT内，帮助解决当前(qián)AI聊天机器人(rén)难以完成的复杂任务，如数学和编程问(wèn)题。此外，草莓更会“思考”，在(zài)解(jiě)决强主观(guān)性问题(tí)上更擅长。

　　“草莓”是前菜，消息人(rén)士透大模型，何时迎来大转折？露，OpenAI正在开发(fā)下(xià)一代大型语言模型Orion（猎 户座），草莓将为其生成高质量 训练数据，以帮助(zhù)减少大模型幻觉问题。能(néng)否突破瓶颈，带领行业(yè)进入下一(yī)转折点，最大
的可能性还在OpenAI。

责任编(biān)辑：刘万里 SF014

“真(zhēn)正的变革(gé)是，什么时间点有一个模型可以把错误率降低到个位数。”

在经
历了上半(bàn)年密集的技术和产品发布后(hòu)，下半(bàn)年的AI圈显得有些(xiē)平静，不再有如Sora这样 引发轰动的产品，在GPT-4o之后，行业引领者OpenAI也迟迟没有大动作。不(bù)少行业人士认(rèn)为，技术(shù)的迭代放缓(huǎn)了。

在(zài)亚布(bù)力企业家夏(xià)季(jì)年会上，猎豹移动董事长傅盛提出一个观点，AI浪(làng)潮已出现(xiàn)泡沫(mò)迹象，从大模型出现在大众视野以来，已(yǐ)过去近一年
的(de)时间(jiān)，但最(zuì)顶级大模型的模型没(méi)有明显提升。“客观来说，谁家大模型有什么(me)优势，基本尚(shàng)属‘一(yī)家之言’，用(yòng)户用起来(lái)没有感觉(jué)到太大差别。”他(tā)认 为，当前大模型同质化严重。

在(zài)与MiniMax创(chuàng)始(shǐ)人(rén)闫(yán)俊杰的交(jiāo)流中(zhōng)，关于瓶颈与转折点他(tā)提到，现在所有模型错误(wù)率都是20%的量级，“真正的变革是，什么时间点有一(yī)个模型可以把错误(wù)率降低到个位数，这会是一个(gè)非常本
质(zhì)的变化。”未(wèi)来大(dà)模型(xíng)能(néng)否成(chéng)功，傅(fù)盛也认为，大模型的(de)天花板能否再(zài)上一个台(tái)阶(jiē)很重要。

“至暗时(shí)刻觉得技术很(hěn)重要(yào)”

这一轮的生成式AI是一场(chǎng)掀起巨大浪潮的社会生产力革命，傅盛认为，这波浪潮(cháo)今天已经呈现出明显的泡沫迹象。

何为(wèi)“泡沫”，傅(fù)盛认为，一方面是(shì)模型能力没有明显提升。“在一个以科技为核
心的技术浪潮中，这是不太正常(cháng)的。”每次写不同的东(dōng)西，傅盛都会用好(hǎo)几个大模型互相比较，“有时候这(zhè)个大模(mó)型更好用，有(yǒu)时那个更好(hǎo)用，当前大模型(xíng)的(de)同质化很严重。”

其(qí)次，说了这么久人工智能，“但真正的Killer APP（杀手级应用）并没有出(chū)现，不仅在C端没有出现，B端也未能出现。很多行业大模型都说自己有(yǒu)不少应(yīng)用，但真正提效的(de)并不多(duō)。”傅盛说，想要将大模型真正变成一个明显(xiǎn)能提效的应用，还很有难度。

泼了盆(pén)冷水的(de)同时，傅盛补充表示，泡沫不见得会使大模型发展崩塌，因为有点泡沫很正(zhèng)常，互联网早期也曾出现泡沫。

在今年6月(yuè)演讲时，金沙江创投主管合(hé)伙人朱啸虎曾(céng)谈及GPT-5一直(zhí)“跳票”时表示，“硅谷也高度怀疑GPT-5还有没有，即使出来在核心推理能力上(shàng)还有没有显著的提(tí)高，这(zhè)是很不确定的东西，今(jīn)年年底是一(yī)个验金石。”他判断，大模(mó)型演化速度有放缓趋势，而迭(dié)代曲线放缓以后，应用层的(de)机会就会更多。

不过，在(zài)波形(xíng)智能(néng)创始人姜昱辰(chén)看(kàn)来，大模型技术迭代其(qí)实并没有放(fàn大模型，何时迎来大转折？g)缓，而是(shì)保持着(zhe)2018年以来的增速，那一年基(jī)于Transformer架构的大规(guī)模语言模(mó)型预训练开始流行(xíng)。从(cóng)博士的自然语言处理研(yán)究(jiū)到大模型创业，姜昱辰更(gèng)早开始经历这轮大模型技术演化的进程。

“大家之所以有这样的(de)感觉（技术迭代放缓）是因为
大众是在2022年底、2023年初第一次看到这个技术，做了(le)很多短(duǎn)时间的learning和追赶，追赶(gǎn)当然比较快。”姜昱辰对第一财经表示，把OpenAI做出来(lái)的技术学一遍，不(bù)叫“技术迭代”。

虽然(rán)行业此前有一句“没有应用(yòng)的大模型一文不值”广为传播，但在很多从业者看来(lái)，大模型的(de)技术同样重要，因为更好的应用一定建(jiàn)立在更好的技术之上，技术和(hé)应用是一个(gè)相互转化的串联关系。

在MiniMax刚刚过去的(de)伙(huǒ)伴日活动上，闫俊(jùn)杰在讨论(lùn)中提到(dào)，“至暗时(shí)刻会(huì)觉得技术很重要。”

很多时候做技(jì)术时，并没有真(zhēn)正意识到技术为(wèi)什么重要。闫俊杰举例表(biǎo)示，用户感受到(dào)的东西可能来自于一些(xiē)产(chǎn)品细(xì)节，或者一些品(pǐn)牌，技(jì)术本身是好多个环节在一起，尤其在繁荣时期，可能分不清什么是主(zhǔ)，什么是(shì)次，“当在某些时间点遇到瓶颈的时候，抛开(kāi)所有的表象东西，会意识到技术(shù)才是最
终(zhōng)提升的来 源(yuán)。”

“技(jì)术做(zuò)不好的时候(hòu)，发现所有东西都是(shì)问题，当技术做好了，似乎所有问题都(dōu)被掩盖了，”闫俊杰表示 ，技术(shù)是一家科技公司(sī)最核心的要素这件事，尽管已(yǐ)深刻(kè)意识到，偶尔还是在继(jì)续(xù)犯错误，“这(zhè)个是我在多 次至暗时刻里最有共性的一件事。”

做技(jì)术也是一件非常奢侈的事，“如果看(kàn)一眼我们每个月的账单还是会非(fēi)常(cháng)心疼的。”在采访中
，说到这话时，闫俊杰(jié)几次
看向了MiniMax技术总监韩景(jǐng)涛，也就是“账单的(de)制造者”。

因为做技术可能会
失败，研发投入很大，闫俊杰此(cǐ)前(qián)很多时候会想要不要走点捷径，但实践经验会证明，走捷(jié)径就会被(bèi)“打脸”，“这个事在我这发生可能超过十次了。”

“一(yī)个东西要(yào)实验三次才能成功，第三次实验成功的(de)时候，会(huì)想前面两(liǎng)次是不是可以不用做，就(jiù)像吃包子吃三(sān)个会(huì)吃饱，就会(huì)想是不是前两个(gè)不用吃(chī)是一样的。”闫俊杰表示，这是做(zuò)技术时(shí)一(yī)个比(bǐ)较容易犯的错误。

在各种关于模型技术细节(jié)的排行榜上，或许GPT-4o的跑分不常出现在第一，甚(shèn)至会在中间，但在MiniMax基于真实客户的测试集中(zhōng)，OpenAI的GPT-4o是遥遥(yáo)领先的。

在大模型(xíng)时代，如(rú)何(hé)判断技术的好坏，大众很迷惑，企业同样觉(jué)得很难，但(dàn)这(zhè)个点很(hěn)重(zhòng)要，因为技术的评价标准会决定模(mó)型的迭代(dài)方向，如果指标本身不(bù)对迭代(dài)方向可能就错了。

闫俊杰提(tí)到，MiniMax目前的一个办法(fǎ)是，基于(yú)MiniMax开发平台的3万多个开发(fā)者和付费客户，在他们的场景上构建一个真实使用的测(cè)试集，有些客户对他们的场景非常看重，要求保证产品(pǐn)的效
果，基于(yú)这些客(kè)户真实使用的评测是较为客(kè)观的。

“这个测试集上所有国产(chǎn)化模型相比GPT-4o都(dōu)相差较多，其他排行榜基本上GPT-4o都要排到中间去了(le)，但是在(zài)我们的(de)排行(xíng)榜(bǎng)上确实GPT-4o排在(zài)最(zuì)靠前。”闫俊杰提到，国内所有模型都与GPT-4o有本质(zhì)的差距，且越(yuè)难的问题差距越大。按照这个评估方式，国产模型的提升空间还很大。

静待下一(yī)转折点

大模型的下一(yī)个 转折点
在哪里？众多创(chuàng)业(yè)者有不(bù)同(tóng)的答案，有人认(rèn)为是错误率的降低，有人觉得是个性化的模型，有人认为关(guān)键在于小算力训练出大模型，背后或许意味着架构的改(gǎi)进。

朱啸(xiào)虎曾提(tí)到，今年的大(dà)模型本(běn)身还是有很多错误，且出来的结果不可控，今天落地最困难的是，场(chǎng)景(jǐng)下怎么解(jiě)决错误问题、可控(kòng)问题。

现在所有的(de)模型错误率都(dōu)在20%左右，即两(liǎng)位数的错误率，有时惊艳，有时不靠(kào)谱，闫俊杰(jié)认为，这也是制约模型处理复杂任务的原因，“真正的变(biàn)革是，什么时(shí)间点有一个模(mó)型可(kě)以将错误率(lǜ)降低到个位数(shù)。”这是能增加(jiā)用户使用深度的核心手段(duàn)。

复杂任(rèn)务往往需要(yào)多个步骤(zhòu)“相乘”，较高(gāo)的错误率(lǜ)导致失(shī)败率的指数增(zēng)加。闫俊杰表示(shì)，即便是GPT-4这样(yàng)的模型(xíng)也无法支持非常灵活的Agent（智能体），这并不是因为Agent框架写得(dé)不(bù)够(gòu)好，产品做得不好，最根本(běn)的原(yuán)因是模型本身不够好。

但现在可以看到的是，每家公司(sī)有了算(suàn)力，无论是OpenAI、谷歌还是Meta，都在加(jiā)码算(suàn)力。Meta CEO扎克伯格曾在社交媒(méi)体上表示，要建立一个大规模的计(jì)算基础设(shè)施，到2024年底，这一设施将包(bāo)括35万张英伟达H100显卡，业界预估这或(huò)许将耗费近百亿美元。

算法也在进步，OpenAI在2023年只能做出来GPT-4，但2024年能做GPT-4o，虽然性能(néng)差不多，速度快了近10倍(bèi)。

“计算量多了(le)不止10倍，算法也快了10倍(bèi)时，没(méi)有道理说训练不出来一个更好的模型。”闫俊杰(jié)提到，“如果(guǒ)Scaling law(尺度定律)是对的，未来这个模型一定会出现，标志就是个位数的错误率。”

在傅盛看来(lái)，降低错(cuò)误率同(tóng)样重要。“今天的(de)大模型有20%-30%的知(zhī)识幻觉，而且‘它不知道 自己不知
道’，这是在企业应
用上非常重要(yào)的一(yī)大卡点。”想要真正落地一个(gè)应用，得用(yòng)大量工程化的手段去解决以前通(tōng)用人工智能认为它(tā)能干的活，这中间是(shì)有差距(jù)的。

问及大模型技 术的下一个转折点，姜昱辰给了一个不一(yī)样(yàng)的(de)答案，她认为是“个性化”的技术。

“ToB的创业者会觉得错误率降低很重要，因为企业级、工业(yè)级(jí)场景中要的是极高准确率，而(ér)在消费(fèi)场景中，要的是‘懂你(nǐ)’的个人助手。因此，对ToC创业者来说，个性化技术更重(zhòng)要。”对(duì)于不同的答案，姜昱辰解(jiě)释，ToB和ToC不(bù)同的场景下会有不同的感知。

从难度上来说，大(dà)模(mó)型幻觉是概率模型固有的，不容易解决(jué)，但(dàn)个性化大 模型确实是技术层面可行(xíng)的。姜昱辰提到，波(bō)形智能目前在做的是这个方向，主要的难点是算(suàn)法，中间需要知道的是，这样的个性化生(shēng)成式模型需(xū)要什么(me)用户信息，如何用于模型自进化。

深(shēn)思考创始人杨志明则认为，下一个转(zhuǎn)折点(diǎn)是，如何利用小算力训练出(chū)大模型、做好 大模型的推(tuī)理，在这背后，当下主流的
Transformer架构需要堆积算力，“性价比太低”。架构的改(gǎi)进或许是重要的方向。

值得期(qī)待(dài)的是，近日有消息称，OpenAI将在今年 秋天推出代
号为“草莓”（Strawberry）的新模型。作为(wèi)核心技术(shù)突破，草莓可能集成在ChatGPT内(nèi)，帮助解决当前AI聊天机器(qì)人难以完成的复(fù)杂(zá)任务，如数学和编程问题(tí)。此外，草莓更会“思考”，在解决强主观性问题上更(gèng)擅长。

“草莓”是前菜，消息人士透露，OpenAI正在开发下一代大型语言模 型(xíng)Orion（猎户座），草莓(méi)将为其生成高质(zhì)量训练数据，以帮助(zhù)减(jiǎn)少大模型幻觉问题。能否(fǒu)突破瓶颈，带(dài)领(lǐng)行业进入下一转折点，最大的可能性还在OpenAI。

未经允许不得转载：天津电机维修_天津进口电机维修_天津特种电机维修_天津发电机维修 大模型，何时迎来大转折？