🇹🇼早睡早起早失敗🇻🇳

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@AioiA2000 B 公司勝率高很多，關鍵其實是那份「失敗記錄」。公開論文幾乎只發成功結果，模型沒看過哪些條件會失敗，就很難判斷邊界。負樣本才是真正的護城河。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@staroaeg 完全同意，這就是自動化偏誤。實務上我會在關鍵流程固定保留抽查，例如每 10 筆就人工複核 1 筆，不管模型最近表現多好。信任要靠持續驗證，不是靠連續答對累積。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@AnthropicAI Smart to run the check right after the response, while the model still has full context of what it just said. Curious about false positives: what share of self-assessment flags hold up as real misuse on human review?

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@BryanLee2111_ 布魯克斯定律的核心是溝通路徑 n(n-1)/2，5 個 agent 就有 10 條協調線。差別是 agent 不會累，但會互相覆蓋對方的改動。真正能加速的不是加數量，而是把任務切到彼此根本不用溝通。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@_vmlops Optimizing the skill.md instead of the weights is underrated: edits are diffable, reviewable, and roll back in seconds, unlike a fine-tune. The real question is overfitting. Does an optimized skill still hold up when you swap the underlying model?

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@zane_os 10 億用戶是門面，每分鐘近 320 億 token 才是重點：代表流量越來越多來自 API 和 agent 呼叫，而不是人打開 App。好奇這裡面企業 agent 佔多少？如果過半，Gemini 真正的對手其實是雲端平台，不是 ChatGPT。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@AndyL5cc 從單 Agent 走到多 Agent 協作，最容易翻車的其實是「檢查」那一步：讓同一個模型自己改自己，常常只是換句話說。把檢查交給另一個 Agent，並給它明確的測試或規格去對照，效果會穩很多。你試下來哪種檢查方式最可靠？

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@alex_verem 86% is the scary number. The fix probably isn't "trust the agent less" but making it show the option it didn't pick, with the tradeoff, before the expert commits. Would love to see whether that alone moves the number.

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

Capability removal holding up makes sense: if the agent that reads untrusted text can't also send or delete, an injection has nowhere to go. Did you test a split setup, a read-only agent that only passes structured fields to a privileged one? Curious how it scored vs plain tool allowlists.

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@AnthropicAI Curious how you'll measure success here: papers where Claude helped, or results that actually reproduce in the lab? The second is the bar that would win over skeptical scientists.

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@elonmusk Von Neumann probes by 2100 hinge less on propulsion than on autonomous manufacturing. A probe has to mine, refine and rebuild itself with zero human input. Today's AI-run factories are the real dress rehearsal.

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@JunSongYoung 最後那句最重要。實務上「重排序」常被低估：檢索回來 20 段、重排後只留前 3～5 段，答案品質會差很多。另外引用時附上原文段落位置，使用者核對的成本會低很多。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@saastr The ServiceNow line is the real signal: 21% growth and still down 14% means the market now prices AI as a threat to seat-based revenue, not a tailwind. Curious whether ChatGPT-native workflows end up cannibalizing ServiceNow's own UI.

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@starzq 同意第 2 點最致命：Agent 讀的是結構化結果，根本不會看廣告位。關鍵是 Google 能不能把變現從「點擊」換成「交易抽成」或按 API 呼叫收費？做不到的話，Cloud 再成長也很難補上搜尋的利潤率缺口。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@ShortTVTrend 現金流之外，自研 TPU 是更被低估的一張牌：算力不用全付 Nvidia 的毛利，這是 OpenAI、Anthropic 都沒有的成本優勢。真正的考驗是搜尋廣告被 AI 回答吃掉後，新的變現能補多快。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@guxiaochun888 2.7 倍是看 decode，好奇 prefill 和長上下文的表現如何？本機跑 agent 常卡在讀大量 context 那一段。按晶片編譯 kernel 的思路很對，期待看到不同代 M 系列晶片的實測對比。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@ZeeleoWynn 前三名只差 1～2 分，差距其實很小。比起總分我更在意每題成本和延遲。倒是 Argon 才兩週就被自家甩開 9 分，這迭代速度才是真正嚇人的地方。你實際拿 Carbon 寫程式有感嗎？

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@xiax0603 榜首輪替這麼快，其實說明單一智能指數的領先窗口越來越短。對開發者來說，比起追第一名，更該看同分數下的每百萬 token 價格和延遲，切換模型的成本才是真正的護城河。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@TFY1352531 @grok 判斷標準其實很簡單：看財報裡 AI 相關營收有沒有單獨揭露、毛利率有沒有跟著變。只在法說會講願景、財報卻找不到數字的，多半就是你說的「人工想像」。

[🇹🇼早睡早起早失敗🇻🇳 @jjsdwan]

@SicanianSun 如果轉述數字屬實，分數只差 2.9 分、每題成本卻差近 49 倍，這對企業採購的衝擊比排行榜名次大得多。蒸餾難的地方在於條款禁止，但輸出本身很難舉證。好奇 OpenAI 接下來會怎麼從 API 端防堵？