@stoneabc EXACTLY, 你说得对，但是滔定律

5. 我又看了华为的报告和论文概述，果不其然还是搬弄概念那一套，把 SOC 的能力提升和系统的能力提升混为一谈，然后编一些无人在意的概念骗到消费者就行。华为根本就没想吹嘘自己在硅片上搞出了多先进的结构，甚至只字不提结构这个词，反而在扯什么整个系统性能以后取决于时间。 「把 TCP/IP 协议栈的几十微妙缩短到晶体管开关的几纳秒」真有人看了不笑的吗？这意思不就是以后服务器之间别插网线了，拿个金属小片子，左边捅服务器 A 的 CPU ，右边捅服务器 B 的 CPU 。这个臆想太有华为风格了，一方面只有他自己比较可能做到，另一方面不可能有别人这样做。然后反倒成他的独创优势了。

@henshang 硬黑「啥都不懂硬黑」

你要真想黑「啥都不懂硬黑」，应该攻击「啥都不懂」，而不是软弱无力的「哎呀就是见不得人好」

1. 不要信华为这家公司发布的任何「全球首发」。一定是概念炒作。 华为的宣传口径是典型的 3 真 7 假，尤其是消费端可见的产品。他们的芯片、手机拍照、“方舟编译器”、“MAPLE 语言”、“鸿蒙大生态”、“智能座舱”、“华为云” …… 全是这个德性。

2. 集成电路的制造方式其实很通俗易懂，本质上永远还是用不同的结构实现 PN 结。作为一个不需要考虑任何物理现实的消费者，你很容易理解 3D 晶体管要么做成平面，要么做成竖起来的平面，要么有个什么结构相互嵌套。在三维空间内就没什么其它拓扑了。摩尔定律一开始是把晶体管刻在平面上，这个做法在一个晶体管单元做到几十纳米的时候代际就到头了，所以往后的「等效制程」都是在演进 3D 晶体管结构——做成鱼鳍状、做立体堆叠+竖着的通孔导线。那么现在就算你没有任何专业的物理化学和芯片设计知识，有人告诉你芯片的性能又提高了一些，你的反应是什么？ 反正对我来说我能瞬间理解一定是又搞出了某种更优的堆叠结构呗，这个具体结构是什么样的，我可能有兴趣的时候了解一下，但我知道无非又是换了一种方式刻硅片。半导体行业几十年以来都是这么演化改进的，华为不应该有任何特殊。

3. 前面说过平面晶体管在几十纳米的制程就到头了，所以现在的 CPU 等效 2nm 制程意味着要在原来平面晶体管的面积上堆出几十个晶体管 —— 那你华为的芯片是堆出了几百层直接领跑一个代际么？没有吧，没有那震惊什么？

4. 「降低延迟」 吹那么多，无非不就是导线做短嘛。但为什么所有的 7nm 4nm 2nm CPU 晶体管连线都没它做得短？以下有几个选项：
a. 同结构代际改进还没到头，先不改
b. 权衡问题，比如散热和量子隧穿导致的不稳定性难以控制
c. 材料和光学工艺还实现不了更优的结构
d. 有一种非常优异的结构只有华为想到了
我替华为选 d ，你选什么？

交通=穿着铁皮衣服挤地铁。 人越少越礼让，你就看看早高峰的北上广东京谁跟你客气吧，能不主动推的都是圣人了😅

「 A\是 alignment 做得最好的公司」

「获取资讯」 已经是上上代互联网的思维模式了。
上代互联网是 filter 思维，处理信息的核心在于如何 filter 掉自己不关心的事件
这代（下代）互联网会全面进入「管家模式」，你的 LLM partner 完全有能力解决一切信息搜寻+过滤需求。

所以我都很难理解为什么 OP 能问出「如何不落伍」这种性质的问题 —— 未来的互联网形式决定了「落伍」这个概念会逐渐消失，只有兴趣和关注区域差异，而不会再有代际信息差（我本来想说「时效信息差」，仔细一想不对，时效是永远存在的）

算力这么闲置浪费了，不如共享出来，看看大家都拿你的号蹬什么👻

而且全拿来写工作代码岂不是浪大费了，在自己服务器上跑一个，它没事干就让它帮你写私活项目

自世界有互联网产业以来，从来没有没有一家公司的核心系统业务 SLA 性做不上两个 9 ，还从来没人骂没人指责服务不稳定，翻到要以惭愧懊悔的心态关闭自己的请求连接的 —— 对不起 A\大人，是我蹬得太用力把您服务蹬挂了

我看到 claude code retry 了 10 次最后失败了的时候是想骂街的，但一看 status.claude.ai 可用性 99.1 就顿觉释怀了

有没有一种可能：模型训练的重点不是语言，而是 **知识**。

Transformer 架构天然能抹平语言差异，还记得 ATTENTION IS ALL YOU NEED 吗？只要中文语料存在大量知识这个客观事实存在，任何可预测的仍采用 GPT 架构的模型代际就一定会拿中文语料训练，也就一定能完美支持中文。就算 A\这家公司足够反华到上了一个 censorship 模型专门屏蔽中文输出，底层模型也是必须用全语种训练泛化能力的。i.e.「支持中文」

https://www.v2ex.com/t/1209737?p=1#r_17591843

亦有记录。 我这个秒封的行为是新号+本机 agent 模式。只问答都没事，让 agent 动手第一分钟就无了

现在用 claude 只敢淘宝魔法+古法结对编程了

还想再发散一点：

现代和下一代的 AGENT ，早已不依赖模型的数理逻辑事实了，它们依赖的是「智能涌现猜想」—— 也同时是 scaling law 描述的事：只要模型持续进化下去（规模、复杂度 ……），模型就能表现出越来越高级的智能。只要这个假设还未证伪，就不需要为模型开发专门数理工具（不再需要「以机器的视角设计工具」），训练模型掌握人类工程工具即可。

而 RAG 是上一代的东西——试图重建模型的底层数学模型并在特定层加入特定的 bias 。不是没用，而是没必要了，模型的泛化能力成长远高于人为干预，最终能把数值调优都吃掉。

人是不需要把文本资料和知识向量化储存的 => 所以 LLM 也不需要。

@WithoutSugarMiao 那正好请教一下：

请问你们对比过传统文本数据库+LLM 思考操作索引与直接用 RAG 嵌入两种方式的效果差异吗？我很好奇 RAG 方式在成本或者检索速度之类的方向有没有压倒性优势

RAG 当初浅尝辄止就发现了很多问题，我是感觉这东西完全不可能跟上下一代 agent 的演进速度。

RAG 最大的缺陷是它把原本已经很泛化的「知识」重新覆盖成了高频高音量的噪声，比如假如模型本来能完美学习一本书的所有内容，能用不同语言、不同逻辑重新讲给你，但 RAG embed 进去的话，有效信息会被大量剪裁，最终能吐给你的只有少量关键注意力点和原文文本组合。

而且 RAG 嵌入的信息是「单次」的，我不知道怎么专业地描述这个现象：它能嵌入「知识」，但不能嵌入「知识的知识」和「知识 of 知识的知识」 —— 假设用 RAG 把全国人名都嵌入了，它只能告诉你「王？？」具体是「王 XX 」，但不能获得「王 XX 」有多少人（二次知识）与「王 XX 」族群数量可能与哪些它掌握的其它知识有关（三次知识）。

再加上 function calling 成熟后，显然用专家能力（传统 ES 和正则）去索引文本要比 RAG 简单高校得多，我是想不到 RAG 能玩出什么花。

之前只是凑凑热闹，有奖金，那不得不来玩了。想问问 OP 坦克实例的运行时是怎么管理的，我看 prompt 说明好像没有能让我的实例存取数据的接口，策略要写死在代码里吗

https://www.v2ex.com/t/1202715?p=1#r_17478888
https://www.v2ex.com/t/1207049?p=1#r_17548593

亦有记录。

我的建议是回归古法，给 codex 把伪代码和函数名写好，让它根据标记修改回正常的代码。放任 codex 自流它 tm 上下文又长 review 又困难，模型还傻逼，评价是给自己找罪受

@HackerTerry 你自己都提到了 vaultwarden 也不够友好了 —— 所以方法很简单，要么恢复家人普通的使用习惯，不强求他们用 vpn 和密码管理器，要么尽可能帮配置好，告诉他们先点一下 wireguard 的快捷方式，我理解至少比我妈的手机照片塞满了「插 u 盘移一下照片」要简单。

然后另外的那个打洞的问题，IPv6 真的香，大陆移动网络应该哪都有，根本不需要特意打洞。必须走 v4 的线路（比如酒店 wifi 、港澳漫游没有 v6 这种情况）我现在的方案是 https://imgur.com/kEaGSlh v4 和 v6 都不依赖 tunnel 产品