TrueCrypt 那事儿的传说很多。各种阴谋论当然是主流，也有比较保守的看法，比如认为只是作者停止更新，所谓继续使用有危险是指万一存在漏洞不会得到修复。但我觉得任何看过 🔗网页链接 这个页面的人，多少会对这个说法有点疑惑：只是停止更新的话，至于一头一尾搞两个那么吓人的警告吗？

如果“都发钱”就是字面意思上的给每个人发同样多的钱，那么胡锡进这句话确实是对的。参考阅读1：🔗网页链接 参考阅读2：🔗网页链接 //@wonderwall19:超纲了，现实中我们听到的是：“都发钱等于都不发钱。”

这两天公司的事和家里的事赶到一起了，忙得焦头烂额，以至于QQ群里有人请吃饭的消息都没看到

是啊，不能啥都往第一修正案上扯。我外交部发言人早就说了：“不要拿法律做挡箭牌”。

终于设计出一个大模型干不了的任务，怎么给提示词都干不了。而且这个任务既不复杂也不难，用到的相关知识属于任何大模型训练都一定会纳入的内容。

我分析了一下，原因可能是：
1、网上有很多容易和这个任务混淆的内容。所以无论怎么详细设定目标，大模型都会误解提示词的意图。
2、涉及相关技术的文档都说不推荐这样做。所以即便直接给出解决问题的方法，让大模型去实现，大模型还是会用规规矩矩的标准方法来实现。

也就是说，大模型能创造新内容，但可能没办法突破藩篱创造新范式。训练数据给大模型知识的同时也给了大模型限制。

大模型就像是有一亿只耳朵的学生，可以同时听一亿个老师讲课，学到一亿个老师的本领。这当然是很惊人的，但这一亿个老师也会成为大模型进一步发展的障碍。因为其中哪怕有十个爱因斯坦，教学成果也会被稀释在一亿个老师的海洋里。光靠打标提高权重的作用可能也有限。

就像郭靖跟江南七怪学，把七个人的本事都学了，也就那样，但遇到马钰稍微一点拨就不同了，跟洪七公学了之后更是不得了。但如果九个人一起教，最终成果可能也很一般。

也许 AI 发展的再下一步就不是这种喂人类数据的模式了。