start	end	text
0	27580	9月15日迪奥哥·阿尔梅达在X上发了一条帖子。第一句话就很抓人。他说,参与创造XGP之后,我一直在问自己,为什么这些已经超过人类水平的聊天模型,没有带来AGI呢?这个问题从他嘴里说出来,确实有点特别。阿尔梅达是Intract GPT的作者之一,也参与过GPT4的RLHF和指令遵循的相关工作。
27580	28980	简单来说
28980	31900	今天我们已经习以为常的这件事
31900	34020	就是你对AI说一句话
34020	35860	它能够理解你想干什么
35860	38120	然后按照你的要求回答
38120	40180	它就是这个早期参与
40180	42720	把这条路线做出来的人之一
42720	45100	不过参与创造ChatGPT
45100	46300	是它自己的表述
46300	48220	并不是OpenAI给它的
48220	50500	ChatGPT联合发明人头衔
50500	53740	但是ChatGPT出现以后
53740	55780	它反而开始怀疑一件事了
55780	58680	就是模型已经越来越会说话了
58680	61880	那为什么我们期待中的大规模自动化
61880	64040	却没有以同样的速度发生呢
64040	65800	于是过去两年
65800	68520	阿尔梅达一直在隐身做另一件东西
68520	69620	直到这几天
69620	71900	他和自己的公司TypeSafe AI
71900	73340	才把它公开出来
73340	75100	这个模型叫Jeff
75100	76380	你知道吗
76380	79060	TypeSafe给出的数字非常夸张
79060	81720	说它20到200倍更快
81720	83620	40到400倍更便宜
83620	85560	不过我看到这里的时候
85560	88700	真正让我觉得有意思的还不是这些数字
88700	91860	而是Jav做了一件非常反常识的事情
91860	93720	就是他不会说话
93720	94740	真的不会
94740	97060	Jav他不跟你聊天
97060	97920	不写文章
97920	99820	也不生成自由文本
99820	100960	你把一段对话
100960	102500	一个agent的当前的状态
102500	104420	或者一堆数据交给他
104420	105260	然后问他
105260	106680	这个请求安全吗
106680	108960	下一步应该调用哪个工具呢
108960	110820	这几个方案选哪一个呢
110820	111900	这之后
111900	113900	Jav不会先写一段分析
113900	116240	也不需要慢慢吐出一串杰森
116240	117980	他会直接给你决定
117980	120540	以及他对这个决定有多大把握
120540	122380	欢迎回到All Insight
122380	124200	在继续今天的视频之前
124200	126840	我想先感谢一直支持这个频道的朋友
126840	129640	我知道还有不少观看我视频的朋友
129640	130860	还没有订阅我的频道
130860	133740	那如果你觉得我的内容对你有所帮助
133740	135800	欢迎点赞分享和订阅
135800	137480	也可以加入频道会员
137480	139440	每个月一杯咖啡的钱
139440	140960	不仅是对我的支持
140960	146620	也会帮助我继续制作更多关于AI和未来技术方向的深度内容
146620	149340	好的 接下来我们进入今天的主题
149340	153260	这件事听起来好像只是少生成了一些文字
153260	155320	但放到今天的agent里面
155320	158080	你会发现问题其实没有那么简单
158080	162600	现在一个agent每走一步可能都要做很多判断
162600	165180	比如下一步该调用哪个工具
165180	167260	这个结果能不能相信
167260	168580	要不要继续
168580	170680	需不需要升级到更强的模型
170680	173600	很多时候我们真正需要的
173600	175920	其实只是一个是或者不是
175920	177400	ABC选哪个
177400	179500	但今天最常见的做法
179500	182460	是把整个上下文交给一个大语言模型
182460	185700	让它先生成文字或者结构化输出
185700	188500	然后程序再从这些输出里
188500	190160	拿出最后那个决定
190160	193980	所以阿尔梅达这次实际上是在问
193980	196980	如果软件真正需要的只是一个决定
196980	199980	那为什么一定要让AI先说一段话呢
199980	201500	Jav发布以后
201500	205140	X上很快出现了两种不同的声音
205140	206760	第一种反应非常直接
206760	209000	就是等等这不就是分类器吗
209000	211660	独立AI研究者Alexis Gallagher就说
211660	213260	他觉得Jav很酷
213260	216140	但更有意思的是大家对Jav的反应
216140	219320	因为这似乎说明很多人已经忘了
219320	222420	锦编码器分类器已经存在很多年了
222420	223900	而且一直很好用
223900	226020	像Modern Bird这样的模型
226020	229840	本来就可以快速和廉价的完成结构化判断
229840	231540	Jav也许更好
231540	234560	而且不需要针对每一个任务重新训练
234560	236960	但这个类别本身并不新
236960	241400	另一边XBOM的AI研究员Lan Butler马上反驳说
241400	244000	问题恰恰就在不需要重新训练
244000	246820	如果今天突然给你一个非常奇怪
246820	249220	而且类别又特别多的决策任务
249220	251060	你手里甚至还没有数据集
251060	253380	那传统分类器怎么办
253380	256900	而Jav的卖点就是直接用自然语言告诉他
256900	258200	现在要判断什么
258200	259840	更有意思的是
259840	261500	已经有人不吵了
261500	264460	他们直接把Jab塞进agent里面开始跑
264460	266600	有人拿它做模型路由
266600	269480	让Jab决定什么时候该用便宜模型
269480	271620	什么时候升级到更强的模型
271620	274860	还有人拿它做Computer Use的下一步决策
274860	276780	还有一个叫Observed开发者
276780	280060	测试了一整晚跑了500多次API
280060	282240	总共才花了大约3美分
282240	284640	一次同时多问20个问题
284640	287340	延迟也只增加了47毫秒
287340	291780	他还抓住了一次针对他自己agent的假审批注入
291780	294860	然后他发现Jeff有一次打错了
294860	298220	而Jeff给那个错误答案给出的信心是1.00
298220	299920	这就有意思了
299920	303160	一边是这不就是我们用了很多年的分类器吗
303160	308180	而另一边却已经有人开始把他塞进agent的决策循环
308180	310700	官方说他的概率经过较准
310700	313380	但在真实测试里却已经出现了
313380	316060	答错了但信心百分之百的情况
316060	320020	所以这期视频我真正想弄清楚的
320020	322360	不是Jav到底有没有快200倍
322360	325740	而是说一个参与创造ChattGPT的人
325740	327940	在模型越来越会说话之后
327940	329760	为什么会花两年的时间
329760	331960	重新做一个不会说话的AI呢
331960	335220	以及他是不是碰到了今天A成的系统里
335220	336680	一个更有意思的问题
336680	340480	就是我们真的需要让大模型来做每一个决定吗
340480	343400	那么一个不生成自由文本的AI
343400	345240	到底是怎么工作的呢
345240	348300	TypeSafe对Jav的描述其实很简洁
348300	349980	翻译过来的意思就是
349980	351580	输入可以很复杂
351580	354580	但输出不再是一串自由生成的文字
354580	358040	而是提前定义好类型的概率决策
358040	361520	比如一个客服agent的正在处理退款请求
361520	363960	你可以把完整的对话记录
363960	365220	用户账户状态
365220	367960	以及最近的付款记录一起交给Jav
367960	369140	然后同时问他
369140	371680	用户现在是不是在要求退款呢
371680	373320	有没有欺诈风险呢
373320	374760	需不需要转人工呢
374760	376460	如果要继续处理
376460	378620	下一步应该执行哪个动作呢
378620	382660	当然普通大模型也能回答这些问题
382660	384760	但它通常还是要生成
384760	387140	哪怕最后输出的是JESN
387140	389780	本质上也是一个Token接一个Token的
389780	391320	把字符串写出来
391320	393460	但JESN走的是另一条路
393460	396260	他把这些问题直接变成了几个
396260	397820	类型确定的决策
397820	400360	而且可以一次并行回答
400360	403020	TypeSafe目前把这种输出
403020	405020	分成三种基本形式
405020	406340	第一种叫Nual
406340	408420	它处理是不是这一类的判断
408420	411300	比如这个请求有没有越狱风险
411300	413100	那么它返回的就不是一句
413100	413980	我认为没有
413980	416500	而是说这个判断对应的概率
416500	418000	第二种叫Choice
418000	421640	也就是从提前给定的选项里做选择
421640	424060	比如一个Agent手里有八个工具
424060	425800	现在应该调用哪一个呢
425800	428400	Jive直接在这八个选项里做判断
428400	430080	并给出相应的概率
430080	431600	第三种叫Score
431600	433580	用来处理打分和排序
433580	435960	比如一个任务的优先级有多高
435960	438260	或者一个结果有多值得信任
453246	455546	JF在开始计算之前
455546	458766	输出空间就已经被软件定义好了
458766	460146	它可以判断
460146	463046	但它不能临场发明一个新的答案
463046	465126	这里还有一个很容易被忽略的区别
465126	469126	就是这些判断不一定要一个接一个的做
469126	471526	Type-Safe官方展示的Workflow
471526	474406	本身就会把一个复杂的软件状态
474406	476066	拆成很多独立的问题
476066	477926	然后一次并行询问
477926	480306	比如他们公开的客服工作流
480306	483286	第一步就会同时读取用户意图
483286	487406	情绪紧急程度以及欺诈风险等多个信号
487406	489126	在后面的代码决定
489126	493126	退款冻结银行卡转人工还是继续处理
493126	497546	这时候我们再回头看TypeSafe给这种模型起的名字
497546	499346	就比较容易理解了
499346	501286	他们叫它System-1 Module
501286	506246	这个名字来自丹尼尔·卡尼曼对System-1和System-2的区别
506246	510646	他认为System-1负责快速和直觉式的判断
510646	513946	System-2才负责缓慢和复杂的推理
513946	518806	那Type-C想做的不是让Jeff取代所有大语言模型
518806	524206	而是把软件系统里大量这种快速判断单独抽出来
524206	527386	阿尔梅达后来把这个速度说得更直接
527386	530726	他说他们把今天几条不同的训练路线
530726	532906	看成是在解决不同的问题
532906	536646	像RLVR就更适合可以验证答案的
536646	538046	Resonings和Proves
538046	542926	而他们希望RLCD去解决的是自动控制
542926	544986	也就是让模型的决定
544986	547766	真正能够被软件直接使用
547766	549366	这也是为什么Type-Safe
549366	551626	一直把Jeff的典型用途写成
551626	555346	分类 路由 打分 提取和分支判断
555346	557606	他们甚至用了一个狠形象的说法
557606	559326	是聪明的一笔句
559326	561146	听到这里
561146	563506	Jav好像已经也没有那么神秘了
563506	566666	他不是一个被砍掉聊天界面的GPT
566666	569346	也不是为了写出更好的答案
569346	571906	而是他想把做决定本身
571906	574146	从语言生成里单独拆出来
574146	577726	变成软件可以直接调语的一种智能原语
577726	581406	但是这也就回到了开场那个质疑
581406	583346	就是这不就是分类器吗
583346	585906	以太坊基军会AI的负责人
585906	588326	David Krapis的说法就更直接了
588326	592006	他认为把Jav和通用ML放在一起比较
592006	593306	很容易产生误导
593306	596326	因为Jav根本不生成自由文本
596326	597666	从功能上看
597666	600066	它更接近一个非常聪明的工具
600066	601306	或者一个分类器
601306	605526	而不是GPT Cloud这种通用模型的直接竞争者
605526	607346	有人继续往下拆
607346	610466	Robert世文透客把Jav的几个卖点
610466	611926	一条一条列了出来
611926	614086	像是类型受限的输出
614086	616546	我们已经可以用受限解码做
616546	619026	概率可以从LogProps里面拿
619026	622466	概率校准也早就有Temperature Scaling
622466	623686	什么时候放行
623686	624626	什么时候升级
624626	627806	本来就可以在应用代表里面写Threathood
627806	631066	所以他最后的评价其实很有意思
631066	633566	他认为这些统计学上的零件
633566	636166	没有哪一个是突然从天上掉下来的
636166	641306	真正可能不同的是TypeSafe把校准放进了训练目标
641306	644966	然后让API从一开始返回的就是Decision
644966	648186	而不是一段等待程序再次解析的文字
648186	649146	换句话说
649146	652306	就不是发明了一堆从来没有存在过的零件
652306	654546	而是少兵了几层东西
654546	656746	这时候Jav就不是分类器吗
656746	659146	这个问题就开始变得没那么简单了
659146	662006	因为TypeSafe真正想挑战的
662006	664866	并不是传统分类器做不到的分类
664866	666426	而是它的使用方式
666426	669766	假设你今天做一个金融agent
669766	671366	你只需要判断的是
671366	673626	这笔交易有没有欺诈风险
673626	677166	那你当然可以收集数据标注样本
677166	678726	训练一个专门的分类器
678726	680486	如果业务一直不变
680486	683226	这就可能比调用GF更便宜更快
683226	684366	甚至更可靠
684366	688206	但现实里的agent很少永远只问同一个问题
688206	690346	今天你要判断的是欺诈
690346	693086	明天可能增加是否需要人工复合
693086	694826	后天可能又增加
694826	696906	应该交给哪个风险团队
696906	698026	换一个产品
698026	702006	问题标签和业务规则可能全部都变了
702006	703866	如果每增加一种判断
703866	705486	都要重新积累数据
705486	707046	训练和部署一个模型
707046	709206	那传统分类器的成本
709206	711066	就开始从推理阶段
711066	713526	转移到了开发和维护阶段
713526	715046	而Jeff想做的是把
715046	718566	大语言模型最有价值的一部分能力保留下来
718566	721306	就是你可以直接用自然语言告诉模型
721306	722866	现在要判断什么
722866	726546	那我们目前还没有看到
726546	728926	Jeff和一个认真微调过的
728926	729786	Martin Burrton
729786	731826	专门的小型分类器
731826	735086	或者一个使用受限解码的小语言模型
735086	739026	在同样任务同样数据同样准确率要求下
739026	741586	做一次真正公平的正面对比
741586	744026	TypeSafe真正需要证明的是
744026	745746	当任务不断变化
745746	748766	而你又不想每次重新训练一个模型的时候
748766	752466	Jab能不能同时保住分类器的速度和成本
752466	755886	又同时保住大模型那种拿自然语言
755886	758186	就能直接定义新任务的灵活性
758186	760126	而这还只是第一层
760126	762826	因为Type Save对Jav最大胆的主张
762826	765006	其实不是快也不是便宜
765006	767166	甚至不是自然语言可编程
767166	768606	而是他认为
768606	770766	Jav不只会给你一个决定
770766	774486	他还知道自己这个决定到底有多可靠
774486	776666	这就进入了整个Jav的故事里
776666	779126	最关键也是目前最神秘的一块
779126	780206	RLCD
780206	784146	前面讲到Jav会给每一个决策附上概率
784146	785926	但这里真正重要的
785926	789526	不是他能不能输出一个0.73或者0.91
789526	793126	而是说这些数字到底有没有统计意义
793126	795606	这就是RLCD想解决的问题
795606	799306	它的全称是校准决策强化学习
799306	800286	所谓校准
800286	802806	我们可以先用一个很简单的例子来理解
802806	806446	就是如果一个模型做了很多次判断
806446	810806	我们把它所有认为有70%把握的判断放在一起
810806	813046	那么一个校准的好的模型
813046	816766	长期来看应该有大约70%是正确的
816766	819806	他说90%就应该接近90%
819806	822406	说50%就真的意味着
822406	824866	这件事差不多只有一半的把握
824866	827246	这和准确率其实是两回事
827246	830846	一个模型完全可能总体准确率很高
830846	833406	但他根本不知道自己什么时候会错
833406	837306	而另一个模型也许平均准确率没有高出多少
837306	839306	但他在容易出错的时候
839306	841486	真的会把自己的概率降下来
841486	843406	对于聊天机器人来说
843406	845666	这个区别可能没有那么明显
845666	847206	但对于agent来说
847206	848966	这就直接决定了一件事
848966	852526	就是这个概率能不能拿来控制系统
852526	854266	比如一个agent正在决定
854266	856266	要不要自动批准退款
856266	858106	债务判断可以批准
858106	860066	概率99.8%
860066	862406	如果经过大量测试之后
862406	865666	你真的知道这种99.8%值得性
865666	868346	那么harness就可以设置一个预值
868346	870506	超过这个概率自动执行
870506	872786	但如果只有70%
872786	875166	就升级给更强更贵的模型
875166	878506	如果再低一点就交给人工或者verify
878506	883066	这个时候CoundEfence就不再是给人看的一个装饰数字
883066	886646	它变成了Agent的内部的一种控制信号
886646	888566	就是什么时候继续
888566	889606	什么时候升级
889606	890766	什么时候验证
890766	892066	什么时候停下来
892066	895106	前面那个满分信心却答错的例子
895106	896706	追问的也正是这件事
896706	899866	就是这些概率究竟有多可信呢
899866	903406	而RLCD真正生成改变的是另一件事
903406	905666	就是从训练阶段开始
905666	908966	就让模型学习一个决定应该有多确定
908966	912446	让概率本身也成为训练目标的一部分
912892	923892	但是,我目前還沒有看到TypeSafe公開完整的論文,具體的訓練流程和損失函數,也沒有足夠完整的第三方校準基準。
923892	928552	所以RLCD是否真的比现有校准方法更好
928552	930952	这一部分还要等更多的证据
930952	933752	这里也刚好可以解释TypeSafe另一个
933752	935472	很容易让人误解的说法
935472	938212	就是Jav不能产生幻觉
938212	942852	如果你只允许Jav在批准和拒绝之间选择
942852	945252	他确实不可能突然回答
945252	948332	也许也不会捏造第三个不存在的函数
948332	951012	更不会生成一段格式错误程序
951012	952572	根本解析不了的Jason
952572	955472	它的输出空间在计算之前
955472	958072	就已经被系统类型限制好了
958072	961132	但是它完全可能选择批准
961132	963252	而正确答案其实是拒绝
963252	965012	所以更准确的说
965012	967572	Jav解决的是一种非常具体的幻觉
967572	969892	它不会生成类型之外的答案
969892	973252	但仍然可能在合法答案里面选错
973252	974872	不过呢
974872	978412	真正决定Jav能不能进入高风险自动化流程的
978412	979672	还是后一个问题
979672	981292	就是它选错的时候
981292	982812	自己到底知不知道
982812	984652	这也是为什么我觉得
984652	988792	RLCD反而比Jav那个200倍更快的数字
988792	989632	更值得关注
989632	992572	如果一个模型只是快而且便宜
992572	995232	我们其实已经有很多办法可以做到了
995232	999272	但如果它能在保持这种速度和成本的同时
999272	1003612	给软件提供一个真正可信的不确定性信号
1003612	1006552	那它在A层里面的位置就完全不一样了
1006552	1009332	当然接下来还有一个跟现实的问题
1009332	1013932	就是这些概率决策究竟能省下多少时间和成本呢
1013932	1016272	现在我们终于可以回到
1016272	1018992	JF发布时最新眼球的那组数字
1018992	1021152	20到200倍更快
1021152	1023492	40到400倍更便宜
1023492	1026532	TypeSafe自己公布的Workflow Benchmark里面
1026532	1030312	最高端的数字达到了193.6倍更快
1030312	1033032	444.6倍更便宜
1033032	1035452	这个数字第一眼看起来很离谱
1035452	1037832	但离着JF前面的设计之后
1037832	1039972	你会发现它其实并不神秘
1039972	1043372	因为Jav和普通LM做计算的方式
1043372	1045072	从一开始就不一样
1045072	1048332	假设一个agent现在需要做20个判断
1048332	1050652	比如用户是不是在退款
1050652	1052112	有没有欺诈风险
1052112	1053532	需不需要人工介入
1053532	1055032	需要调用哪个工具
1055032	1057252	结果要不要再验证一次
1057252	1060372	阿尔梅达回应过一个很直接的问题
1060372	1063072	就是为什么不干脆用受限解码呢
1063072	1064312	他的回答是
1064312	1067072	这层约束仍然叠在LM上
1067072	1069332	字符串生成的开销还在
1069332	1071592	他还提出了一更尖锐的判断
1071592	1074172	就是模型本来就拿不准的时候
1074172	1076552	再去限制他能选哪些输出
1076552	1078152	反而会让模型变笨
1078152	1081332	债务直接省掉了字符串生成这一步
1081332	1084532	他不需要把决定翻译成一段语言
1084532	1087532	再让软件把语言重新翻译成决定
1087532	1090552	他的输出空间已经提前确定
1090552	1094372	而且多个问题可以在同一次询问里并行计算
1094372	1096872	TypeSafe公布的端到端延迟
1096872	1099052	大约是70到500毫秒
1099052	1101952	输入价格是每百万Token4.2美分
1101952	1104032	输出则没有单独计费
1104032	1106672	所以从物理账上看
1106672	1109812	Jav比大元模型快很多便宜很多
1109812	1111372	是完全说得通的
1111372	1113952	但我们真正需要问的是另一件事
1113952	1117292	就是他们比较的是不是同一种工作呢
1117292	1119672	TypeSafe的Workflow Benchmark
1119672	1122032	不是让Jav和GPT Cloud
1122032	1123672	各自写一篇文章
1123672	1126592	也不是让他们解决一道开放式的数学题
1126592	1131372	而是专门选择软件自动化里面的System-1任务
1131372	1134472	对照的是同样接入这套工作流的
1134472	1137612	按要求返回结果化结果的通用LM
1137612	1139252	比如处理一张发票
1139252	1141832	系统真正需要的是这几个决定
1141832	1146112	付款、赞款、要求补文件、送人工审批
1146112	1147212	还是怀疑欺诈
1147212	1150672	又比如一个客服agent完成了一轮任务
1150672	1155172	系统要判断的是自动关闭、人工复合、优化复合
1155172	1157612	还是直接通知值班人员
1157612	1162272	这些任务天然就非常适合被拆成很多窄判断
1162272	1163992	然后再用代码组合
1163992	1166312	而这正好是Jav的主场
1166312	1170132	TypeSave甚至在自己的发布文章里主动承认
1170132	1172412	他们展示的side-by-side demo
1172412	1175112	使用了比较短和比较密集的输入
1175112	1177192	这会让Jav看起来更有优势
1177192	1180592	193.6倍和444.6倍
1180592	1183172	来自他们设计的工作流程评估
1183172	1186472	他们认为这应该处在现实收益的高端
1186472	1191192	而且这些workflow是公司自己模型能力团队的人做的
1191192	1193012	所以他们也明确写了一句
1193012	1194632	可能存在偏见
1194632	1196432	这一点反而很重要
1196432	1200552	因为他告诉我们200倍不是一个模型智力倍率
1200552	1201992	他真正表达的是
1201992	1204692	帮任务本来就是大量窄决策
1204692	1208932	而你还让一个通用生成模型不断生成字符串的时候
1208932	1212592	你可能正在为很多根本不需要的能力付钱
1212592	1214952	TypeSafe的工作流程评估
1214952	1218012	其实还暴露了另外一个很有意思的结果
1218012	1221552	就是同一个模型把任务拆成workflow
1221552	1223912	让代码负责确定性的规则
1223912	1227612	让模型只负责那些真正需要判断的部分的话
1227612	1229172	那么在这些测试里
1229172	1232552	就比把整套规则塞进一个巨大pront里
1232552	1236352	一次性解决更准确更快和更便宜
1236352	1239592	所以这笔账不只是和模型本身有关
1239592	1241412	也和任务怎么拆
1241412	1243312	软件怎么调用它有关
1243312	1246492	那如果把这个思路放进一个完整的agent
1246492	1248472	分工又会变成什么样呢
1248472	1249712	讲到这里
1249712	1251672	我觉得Jab最有意思的地方
1251672	1253532	已经不是Jab本身了
1253532	1256152	而是一个真正长期运行的agent
1256152	1259732	到底应该把多少事情交给同一个大模型呢
1259732	1262852	一个agent可能连续工作几十分钟
1262852	1264112	甚至几个小时
1264112	1266892	中间经历几十几百个决策点
1266892	1269072	真正需要复杂推理的
1269072	1270472	也许只有其中几步
1270472	1271972	剩下大量的工作
1271972	1274552	其实只是判断走哪条路
1274552	1275612	调用哪个工具
1275612	1277252	这个结果能不能接受
1277252	1278952	需不需要再检查一次
1278952	1281552	而Jav指向的是另一种架构
1281552	1283372	真正开放复杂
1283372	1285492	需要理解模糊目标
1285492	1288332	长程规划和深度推理的问题
1288332	1289972	仍然交给前沿模型
1289972	1292172	如果是确定性的规则
1292172	1293712	比如金额超过多少
1293712	1295192	必须人工审批的
1295192	1296552	就直接交给代码
1296552	1300472	如果是大量高频窄而不断变化的判断
1300472	1303132	就可以交给像Jav这种决策模型
1303132	1306392	结果是不是满足某个明确标准
1306392	1308032	可以再交给Verify
1308032	1310992	需要长期保存的信息进入Memory
1310992	1313632	需要真正改变外部世界的动作
1313632	1314672	就交给Tools
1314672	1317132	最后真正重要的
1317132	1319092	可能不再是其中某一个模型
1319092	1320412	而是外面的Harness
1320412	1323992	因为Harness决定谁在什么时候被调用
1323992	1325992	什么结果可以直接通过
1325992	1327792	什么结果必须升级
1327792	1330112	什么任务值得花几十倍的成本
1330112	1331792	去唤醒最强的模型
1331792	1335172	当软件真正需要的只是一个决定
1335172	1338352	我们为什么一定要让AI先开口说话呢
1338352	1339672	这里是All Insight
1339672	1340332	感谢收看
1340332	1341192	我们下期再见