我们会花更多时间去理解语言模型的输出。一些想法、技巧和窍门:
写作。我成功尝试过的一个方法:让你的 LLM 用 ASD-STE100 来解释某件事,这是一套受控语言规范,最初是为航空航天维护文档开发的。LLM 对这门语言相当熟悉,而且它带有对简洁写作风格的严格约束,我常常觉得这样可读性高得多。有时我会试着稍微放宽一点,比如要求“达到 ASD-STE100 的 80%”,因为这套规范相当严苛。但还有更好的:
图表 / 图像。与其写文字,不如让你的 LLM 创建一张图表。这些往往更容易处理、解析和理解。但还有更好的:
网页。要求以“HTML”形式输出,就能得到一个漂亮、可交互的网页。LLM 在前端方面正变得非常擅长,能创造出精美的体验、动画等。但还有更好的:
讲解视频。我最看好的输出格式,是针对任意主题生成的完全定制 / 专属讲解视频。可以试试类似“用 3b1b 风格制作一个关于 X 的视频讲解。用我的 ElevenLabs API key 做音频旁白”这样的提示。(后者需要 API key,或者你可以让你的 LLM 帮你找一些使用本地算力的不错的免费替代方案)。这实际上已经开始奏效了!
总结:
- 随着 LLM 变得更强,它们会越来越自主地承担更多基础工作,而我们工作中的很大一部分会上升到抽象层面,变成监督和理解。
- 幸运的是,LLM 在这方面也能帮上忙,因为随着智能和代码日益充裕,你可以要求生成大型、定制、用完即弃的软件产物(例如 Web 应用、视频讲解),而这些在以前根本不值得去创建。在这里突破边界,你会感到惊讶。