原贴链接

这是因为所有真正的进步，那些让人们坐下来思考“哦哇，这真的是它，不是吗？”的软件。让大型语言模型独立或具有代理性的架构/管道等…这样的真正进步从未真正被分享。

我周末做了一个项目，现在我有一些聊天机器人爬过我的GitHub仓库，回复问题并提交拉取请求。如果我自己能做到这一点，我甚至无法想象开发团队在幕后完成了什么。

我们即将看到一场创新的爆炸，特别是如果那些吵闹的初创公司烧完了风险投资的钱，泡沫破裂的话。

另外，我注意到，让一个简单的机器人完成正常事情的相同架构和管道，也让一个复杂的机器人完成令人惊叹的事情。

讨论总结

本次讨论主要聚焦于人工智能领域的真实进步和创新，特别是那些未被公开分享的突破性技术。参与者普遍认为，尽管有许多“接近成功”的研究和软件，但真正的创新和进步，如使大型语言模型（LLM）独立或具有代理性的架构，通常不会被公开分享。讨论中还涉及了个人和小团队在理解架构的基础上能够实现的创新，以及自动化技术在实际应用中的潜力和挑战。此外，讨论还预测了随着初创公司资金耗尽，即将迎来一波创新浪潮。

主要观点

  1. 👍 真正的创新和进步通常不会被公开分享
    • 支持理由：这些技术通常在幕后进行，由个人或小团队开发，不易被外界知晓。
    • 反对声音：这种做法可能阻碍技术共享和社区发展。
  2. 🔥 个人和小团队在理解架构的基础上能够实现许多创新
    • 正方观点：这种自主开发模式能够快速响应需求，实现个性化解决方案。
    • 反方观点：缺乏大规模协作可能限制技术的广泛应用和优化。
  3. 💡 自动化技术在实际应用中的潜力和挑战
    • 解释：虽然自动化可以提高效率，但也可能导致质量下降和过度依赖技术。

金句与有趣评论

  1. “😂 I think its because we can solve the problem for ourselves easier than they can solve the problem for every possible user.”
    • 亮点：反映了个人与大规模用户需求解决方式的差异。
  2. “🤔 Today’s successful apps need to focus on leveraging LLMs to augment human roles not replace them.”
    • 亮点：强调了人工智能应增强而非取代人类角色的观点。
  3. “👀 You get the half baked stuff open source and then the real "progress" gets turned into paid products.”
    • 亮点：揭示了开源与商业化之间的矛盾。

情感分析

讨论的总体情感倾向较为复杂，既有对技术进步的期待和兴奋，也有对当前研究和软件质量的失望和担忧。主要分歧点在于技术的公开分享与商业化之间的平衡，以及自动化技术对人类工作的影响。

趋势与预测

  • 新兴话题：随着初创公司资金耗尽，预计将迎来一波创新浪潮，特别是在自主AI和自动化领域。
  • 潜在影响：企业自建AI解决方案与依赖外部集成商的解决方案之间可能出现巨大差距，影响未来技术发展的方向和速度。

详细内容：

标题：Reddit 上关于创新与软件研究的热烈讨论

在 Reddit 上，一则题为“对这里发布的‘差一点’的研究和软件感到失望？”的帖子引发了广泛关注。该帖子获得了众多点赞和大量评论。帖子主要提到，真正的重大进步，那些能让人惊叹不已的软件成果，如能让语言模型变得独立或具有自主性的架构及管道等，通常不会被分享出来。发帖者称自己在周末做了一个项目，已有几个聊天机器人能在其 GitHub 仓库中处理问题、提交拉取请求。并表示，若个人都能做到这些，难以想象开发团队在背后能达成怎样的成就。还称我们即将迎来创新的大爆发，特别是当那些喧闹的初创公司烧光风投资金、泡沫破裂时。同时指出，能让简单机器人完成普通任务的架构和管道，也能让复杂机器人完成惊人任务。

这场讨论的焦点集中在多个方面。有人认为，自己解决问题比让别人为所有可能的用户解决问题更容易，如今的代理公司很多选择是错误的，尤其是围绕 RAG 时，常试图搞一个通用解决方案，而若自己掌控一切，能从零开始创造很多可能。也有人个人讨厌回复问题和提交拉取请求的机器人，认为它们往往是垃圾信息，输出质量低。但也有人表示赞同，称单个对架构有良好理解的人能做很多事。还有人说和一群技术朋友在探索，基于大家的分享和额外实验，在 OpenAI 发布其公开版本前约 6 个月，就实现了语音转文本到语言模型再到文本转语音的功能。

有人指出，开源的通常是半成品，真正的“进步”会变成付费产品。但也有人表示这并非自己的经历，这种管道通常会导致两种截然不同的结果：要么模型能把事情做好，通常只需简单重构或轻松开发，有时会需要多尝试几次；要么模型完全不知道在做什么，不理解项目结构或提出的建议很幼稚、低效，即使给予正确反馈也无法修正。

讨论中达成的共识是，个人若对架构有深入理解，能取得一定成果。特别有见地的观点如有人分享了自己的技术栈，包括基于云的推理、用 Telegram 作用户界面、用 Python 编写等。

然而，讨论中的争议点也不少。比如对于机器人处理问题和提交拉取请求的价值存在分歧，对于创新成果的开源与商业化的看法也不一致。这一讨论充分展示了人们对于当前软件研究与创新的多样思考，也让我们期待未来真正的创新大爆发。