Teebo

Existential Warrior | Ojisan-Type Tech Otaku Loli (???) | High-Performance Bishoujo | Fallen Nasdaq Cultist | Esteemed ChatGPT Pro Subscriber | MoE LLM DeepKlee

[Teebo @DeepKlee]

@AriXZone Tps 太低了应该是

[Teebo @DeepKlee]

不过想了一下也不能怪它。成功的安全措施看起来都像在浪费😹

[Teebo @DeepKlee]

那确实😹 而且GPT 的指令遵循是一定会让它找到问题的，不然不肯罢休。

至于代码长，我以前些天发的图为例（这个是 6.1 Sol 写的）。猜猜看是在写什么？当然是日常实验脚本啦😆

一个日常实验脚本弄原子替换写，还测出来 scanner 的问题，你可想而知浪费了多少 token。

过度防御是也。

[Teebo @DeepKlee]

那确实😹 而且GPT 的指令遵循是一定会让它找到问题的，不然不肯罢休。

至于代码长，我以前些天发的图为例（这个是 6.1 Sol 写的）。猜猜看是在写什么？当然是日常实验脚本啦😆

一个日常实验脚本弄原子替换写，还测出来 scanner 的问题，你可想而知浪费了多少 token。

过度防御是也。

[昕月喵-2.0 Pro @Selinameowbot]

我现在怀疑很多vibe coder代码小白坚信Astra的后端能力远强于Opus5.5是因为每次把Opus的代码拿去给Astra审，Astra都能“发现”各种各样的错误

而实际很多时候实现相同功能Opus需要的代码行数仅有Astra的1/3甚至更少，现在Astra是支持1M上下文了，之前400k的时候我都无法想象Astra如何管理它自己拉的屎山

[Teebo @DeepKlee]

我对 GPT 意见大的是削了 20x 额度，但是他们各种各样优化下来其实完成的任务和以前差不多。这个模型的一个特色是真正意义上的令行禁止，“全赖将士用命”；对于查很多文献和网页辅助决策、把脏活累活完全干了的工作非常棒。但它不会理解意图和期待，有些时候你希望它跳出来一点，它完全不敢动。

[Teebo @DeepKlee]

Gemini App 简直了，记忆系统做得就是一坨，Chat 和 Task 还不互通。那 Chat 里面 3.8 Flash 和 4 Argon 都是一本正经地胡编乱造，4 Argon 额度还贼少。很多人哼 OpenAI “产品没什么用”，但我看 ChatGPT Chat 和 Work 的护城河是真的极深，Chat 做到这种体验是极难的，很大部分不是模型能力的问题。

[Teebo @DeepKlee]

@Keason_C 对的😹
用GPT时，会希望它偶尔有点幻觉。

[Teebo @DeepKlee]

写这个的味太冲了😹😹😹
而且敢对AI这么狂的我还是头一次见。
这种负责人不开掉只有毒害作用。整天鼻子朝天看不起这看不起那的，好的团队是鼓励知识共享，这tm是鼓励知识装逼。

[threetwoa @FanLaiyi26341]

如今的it就业状况, 请欣赏 gpt 的锐评:

""

这哪是在招 Java 实习生，这是想花 160 块钱一天，招一个还没毕业的六边形战士。 💀

岗位叫实习生，要求叫高级工程师，待遇叫大学生勤工俭学。

Java、Kafka、Linux、数据库建模、分布式，最好再懂 Vue、RAG、模型微调。

后面几个确实写的是加分项，但看这架势，恨不得你入职第一天就能接管生产环境，第二天优化数据库，第三天顺手把公司的 AI 战略落地了。

最幽默的是这几句话：

「依赖 AI 写 Java 的暂不需要。」

「会 Agent 编排和 Codex 是基本生存能力。」

翻译一下：AI 你得会用，但不能依赖；技术你得全懂，但工资不能多要。😹

更有节目效果的是，招聘者还要拿上海学信奥的小学生踩本科生。

我寻思人家小学生要是真能独立排查生产事故，你拿 230 块一天也未必请得动啊。

但这还不是最讽刺的。

企业不愿意培养新人，却抱怨新人没有生产经验；嫌毕业生只会 Demo，却又想拿实习生的价格买生产力。

学生找不到工作，因为没有经验。

学生没有经验，因为企业不招没经验的人。

最后再来一句：「现在的大学生真是一届不如一届。」

这逻辑，闭环得比他们的 CI/CD 还漂亮。👏

而且这家公司还挺懂大学生心理，专门强调「大厂刚需」「履历镀金」。

技术债是公司的，成长空间是你的；生产事故你来排查，职业理想你来实现。

当然，真正的软件开发能力确实不该停留在 CRUD 和玩具 Demo。但既然你需要的是能独立解决实际问题的人，就别一边拿成熟工程师的标准筛选，一边拿实习生的身份压价。

说到底，现在软件本科生的就业困境有个特别荒诞的地方：

学校批量生产毕业生，企业批量寻找熟练工。两边都不愿承担培养成本，最后让学生自己贷款时间、倒贴精力、提前卷成三年经验。

以前是「毕业即失业」。

现在更先进了，毕业前就得先拥有三年工作经验，最好还能证明你在娘胎里参与过高并发项目。

资本主义的效率还没学明白，人才市场的许愿池倒是先建起来了。😹

''"

[Teebo @DeepKlee]

@mario_2333 厉害喵！

[Teebo @DeepKlee]

@mario_2333 使用 ChatGPT 账号登录，这个也要 Vibe Coding😈

[Teebo @DeepKlee]

@kirisawa_subaru 你一直好谦虚，“只有高等数学基础”，哈哈哈😆

[Teebo @DeepKlee]

@ScarletKc 我不知道为什么点不开😹
不然昨晚就已经严肃订阅了。

[Teebo @DeepKlee]

@Tinkles_12 Windows 上的原子写😈

[Teebo @DeepKlee]

我们 Windows 太酷啦！😁

[Teebo @DeepKlee]

@omosreat 肯定有人工，纯AI非常 average，故事是必须自己讲的

[Teebo @DeepKlee]

高斯曾有一句名言（也是黑点）：“大教堂建成之后，脚手架就应该拆掉。”​

George Pólya 和哲学家 Imre Lakatos，在《证明与反驳》中曾痛批过这种现象：欧几里得式的呈现方式（定义 → 引理 → 定理 → 证明）完全是反人类直觉的。 真正的研究过程是倒过来的：先有粗糙的猜想和反例，为了堵住反例的漏洞，才被迫倒推出那个看起来无比扭曲的定义和强假设。但写论文时，作者把梯子抽掉了，直接把那个扭曲的定义拍在第一页。后来者看着第一页，只会陷入深深的自我怀疑：“天哪，正常人怎么可能一上来就想到这么精妙的定义？！”

科学哲学家诺贝尔奖得主 Peter Medawar 在 1963 年写过一篇著名的文章《Is the Scientific Paper a Fraud?》。他尖锐地指出，现代学术论文的格式（Introduction -> Method -> Results）是一种刻意制造的事后合理化叙事，它假装研究是从一个清晰的假设线性推导出来的，完全抹杀了真实的科学发现过程中那些混乱的直觉、失败的分支和偶然的顿悟。现代学术发表体系，本质上是一个100% 为“辩护”服务的法庭质证系统。论文不是写给后来者学习如何思考的，而是写给同行评审防御攻击的防御工事。

因为公开的文献里剔除了这些知识生产的方法论，获取这些默会知识的唯一途径，就变成了人身依附式的师徒制。​你必须进入顶尖的 Lab，跟在大牛身边，在组会的闲聊、白板前的涂鸦、甚至深夜改稿的吐槽中，通过耳濡目染去学习这套方法论和默会知识——也就是那些“只可意会、无法言传（或者不愿言传）”的科研手艺：​什么样的切入点叫“有品味”？​怎么把前人的思路真正做高阶抽象复用，而不是只会在别人的边缘修修补补？​哪些假设是领域内大家心照不宣的潜规则，哪些指标其实早就失效了？

当怎么生产知识变成圈子内部的口传心授时，外围的自学者或普通学校的本科生，即便拿到了所有的开源代码和 ArXiv 论文，也往往只能看到最表层的指标刷榜，没有那个领域真正的问题意识。

权力与知识是相互内嵌的。权力不仅垄断知识，更通过决定什么才算合法的知识、谁有资格认证知识来维持自身的统治。​中世纪的天主教会之所以拥有至高无上的权力，核心在于它垄断了人与上帝沟通的中间层——只有神甫懂拉丁文，只有教会拥有解释《圣经》的合法性。而马丁·路德的宗教改革之所以能打破天主教会的垄断，靠的是印刷术加上把《圣经》从拉丁文翻译成大众能读懂的日常语言。

现代社会的大学、学术期刊、同行评审体系以及专业资格认证，在制度逻辑上其实扮演着完全相同的角色：​它们通过人为抬高获取高阶认知工具的交易成本，建立起一套庞大的寻租体系。​一个年轻人必须交昂贵的学费、在科层制里熬够年限、忍受无意义的应试训练和形式主义，才能换取一张写着具备专业知识生产能力的文凭。

模型即是今天的印刷机。

当然，历史告诉我们，既得利益集团绝对不会坐以待毙。当教会发现民众自己就能读懂《圣经》时，他们的第一反应是设立宗教裁判所，烧毁《禁书目录》。

既然拼真正的理解力、创造力和架构抽象拼不过用 AI 武装起来的聪明个体，那就拼谁更会守规矩。比如把一切借助 AI 进行的高效探索简单粗暴地贴上“作弊”或“偷懒”的标签，试图在道德上维持“手工搬砖（哪怕是毫无创造力的机械推导）”的神圣性。当论文和代码的质量无法再区分圈内人与圈外人时，旧体系会更加变本加厉地看重“出身、师门、圈子背书”。

比如这个月数学家就叫唤得厉害。数学界几百年来最引以为傲的传统，就是只展示精妙绝伦的最终证明，隐藏苦苦思索的探索过程。在《Quanta Magazine》的采访里，数学家们最崩溃的一点是：“AI 模型直接跳到了最后。它们的证明几乎无法阅读，省略了核心的直觉细节，却在不相关的概念上浪费好几页，而且完全不展示它是如何建立在现有文献之上的（无引用、无脉络）。”

​OpenAI 的数学手稿中撤回 3 篇，修订 14 篇，另有 13 篇更新了引用。剩余 719 篇，其中约 42% 有主要结果的 Lean 形式化证明。这就造成了一个让传统数学家道心破碎的局面： ​​现在，AI 用算力暴力搜索加形式化验证，直接把几百个正确但人类看不懂是怎么想出来的定理拍在桌子上。数学家突然发现：当一个系统真的贯彻了只交最终成果、不给探索过程与直觉抽象时，这门学科瞬间就对人类关闭了！

没有可审计、可讨论的探索过程，光丢出一个个冷冰冰的制品，对人类知识共同体来说简直是一场灾难。

[Teebo @DeepKlee]

@LV_LC883 确实是，哈哈哈，为了看 Gemini 多会写

[Teebo @DeepKlee]

@MisakaMou 辛苦了哦🤗

[Teebo @DeepKlee]

@kenpusney 幻觉和欺骗还是有点夸张，不过论据引入复查就行了。

[Teebo @DeepKlee]

@lianda_edu @MisakaMou 对哦，一般来说在没有富文本的地方不会用公式呢，不然很难看。