法学硕士奖励专业知识

在 2010 年代，如果你有技术差距（比如，你不会编写 CSS），你必须要么依赖熟练的同事，要么只是希望你的确切问题的答案就在互联网上。如今，每个人都可以通过将任务委托给法学硕士来编写还算不错的 CSS。法学硕士使每个人都成为多面手。正因为如此，很多人认为与法学硕士一起工作不需要任何技能。如果你想要法学硕士可以提供的产品——博士水平的数学、相当不错但有时无味的计算机代码，或者尴尬的LinkedIn风格的写作——你可以简单地提出要求。由于每个人都在与相同的模特交谈，“熟练的提示者”得到的结果与第一次接触法学硕士的人相同。这是错误的。提示中最重要的技能是您所提示的领域的专业知识。陶哲轩与 ChatGPT 关于最近发现的雅可比猜想反例的对话就是一个很好的说明。这与我交谈的 ChatGPT 不一样！即使有无限的代币可供燃烧，我也无法达到涛的水平。从陶的谈话中可以学到很多关于良好激励的知识。以下是一些观察结果：陶的信息非常简短且切题。他没有逐点回应模型，只是回应要点。模型的输出比我尝试与 GPT-5.6 Sol 谈论数学时简洁得多。通过表明专业知识，陶将模型转入“与数学家交谈”模式，而不是“向业余爱好者解释”模式。当模型的反应看起来错误时，陶会予以反击，但他并没有直接反驳；相反，他会说“这看起来比我希望的更复杂”之类的话，陶本人也做出了一些飞跃和建议。他几乎从不接受模型关于下一步该何去何从的建议。但是，你不能像陶一样仅通过遵循这些提示来提示数学问题。他的技术的关键实际上是理解数学：从 ChatGPT 的多段落响应中提取相关想法，提出替代方法或公式，并确定什么“看起来很奇怪”。陶哲轩是一个比我作为程序员更好的数学家。但这里的想法——领域知识让你更好地使用法学硕士——是我在自己的工作中也经历过的。如果你对你的代码库有很好的理论，那么你可以比不熟悉的情况下更努力地推进 LLM。因为您对好的解决方案可能是什么样子有自己的感觉，所以您可以说“不，我认为这里可以更简单”，或者“但是我们不是已经做了 X 吗？”，或者“我们可以用这些熟悉的术语来表达这个问题吗？”。这触及了我之前写过的一个想法：系统设计问题由具体细节主导，而不是通用原则。当然，两者都有用，但我宁愿熟悉代码库，也不愿对软件系统有深入的了解。在谈话中，陶哲轩提出了很多具体问题，比如“X在这里工作吗？”，或者“给定Y和Z，为什么选择A？”。我不能问有关雅可比猜想的问题，但我可以向他们询问我在 GitHub 拥有的系统。如果你没有领域知识，你可以坚持攻读LLM，至少能得到一些东西。那还不错！但如果你拥有领域知识，你可以通过努力将其引导到你想要的方向，从同一个法学硕士中获得更多价值。我们大多数人都必须混合使用这两种方法，因为我们在某些领域拥有领域知识，但在其他领域则不然。领域知识的有用性表明，即使模型变得更强大，人类的专业知识也将继续发挥作用。对于许多任务来说，人类是瓶颈，而不是模型，因为困难的部分在于与模型准确地传达人类想要什么样的解决方案。这些信息已经“在模型中”，但需要非常聪明的人才能将其提取出来。以下是与此共享标签的相关帖子的预览。